Osnovna literatura:

Jurkovi, M.: Matematiko modeliranje inenjerskih procesa i sistema, Tehniki fakultet,

Biha, 1999.
Jurkovi, M.:Matematiko modeliranje i optimizacija obradnih procesa, Sveuilite u Rijeci,
Rijeka, 2000.
Jurkovi, M., Reinenjering proizvodnih poduzea-razvoj i modernizacija proizvodnje,
Tehniki fakultet, Biha, 2011.
Seminsrski raunsko grafiki rad: Modeliranje i simulacija procesa, mentor prof.dr. M.
Jurokovi, Tehniki fakultet, Biha, 2002.
Jurkovi, M.: Eksperimentalna analiza naprezanja i deformacija / Eksperimentalne metode,
17. poglavlje, str. 279-347. u knjizi Doleek, V., Karabegovi, I. , Martinovi, D., Jurkovi,
M., Blagojevi, D., Bogdan, ., Bijelonja, I., Elastostatika II, Tehniki fakultet, Biha, 2004.

1. Kako koristiti teorijska znanja u praktine svrhe?

1. Matematiko modeliranje inenjerskih procesa i sistema ima veliko znaenje u irokom
podruju tehnikih znanosti i praksi, kao i u svim drugim oblicima kvantitativnih istraivanja.
Moderna se znastvena misao temelji na uvjerenju da teorijske podloge i koncepti imaju realnu
osnovu ako se izraavaju u obliku kvantitativnih pokazatelja.. Tada je mogue teorijska znanja
efikasno koristiti u praktine svrhe.

2. Kako implementirati znanje u konkretan proizvod, proces

ili sistem?
2. Tei se definiranju procesa i sistema u obliku matematikog modela kako bi se ustanovio
kvantitativni odnos izmeu ulaznih i izlaznih varijabli obradnog procesa ili sistema. Ovo
otvara niz mogunosti da se efekti kao izlazi iz procesa ili sistema mogu predstaviti na osnovi
promjene ulaznih varijabli u process ili sistem.

3. to obuhvaa modeliranje i gdje se moe implementirati?

3. Modeliranje u irem smislu obuhvaa sva podruja ovjekova rada i stvaranja. Mogue
implementiranje je u optimizaciji obradnih procesa u podruju proizvodnog strojastva, a
mogua je implementacija i u drugim znastveno-strunim podrujima kao to su:
Procesna tehnika,
Energetika
Strojogradnja
Metalurgija
Elektrotehnika
Hidraulika
Termodinamika i dr.

4. ta se podrazumijeva pod modeliranjem i ta je rezultat

modeliranja?
4. Pod modeliranjem se podrazumijeva definiranje matematikih modela i drugih prikaza koji
su neophodni za optimizaciju, simulaciju, revitalizaciju i upravljanje procesima i sistemima.
Modeliranje isto podrazumijeva poznavanje matematikog modela procesa, to je prvi uvjet i
plazite za inoviranje i revitalizaciju procesa ili sistema.
Rezultat modeliranja i optimizacije obradnih procesa i sistema je jeftinija, kvalitetnija i
profitabilnija proizvodnja.

5. Koji su ciljevi modeliranja?

5. Ciljevi modeliranja su:
Poveanje proizvodnosti,
Poveanje Ekonominosti,
Poveanje Ukupne kvalitete proizvoda ili pojedinih segmenata kvalitete

 Te smanjenje utroka materijala, energije, vremena obrade I trokova obrade po

jedinici proizvoda.

6. Koje su tekoe u primjeni analitikih modela?

6. Kod analitikog modela definiranje dovoljno pouzdanih matematikih modela je vrlo
sloeno i zahtijeva puno aproksimacija, a tekoa lei u tome to na kraju utie na tanost
dobivenog rezultata.

7. Zato se izvodi modeliranje i ta je svrha?

Osnovna svrha modeliranja je definiranje matematikih modela koji e u odgovarajuem
stupnju tonosti adekvatno opisati proces ili sistem u cilju: simulacije varijantnih rjeenja,
analize i prognoziranja stanja procesa jo u fazi projektiranja definiranja matematikih modela
koji su neophodni za optimizaciju procesa i iznalaenje optimalnih rjeenja izgradnje modela
upravljanja za dati sistem, odnosno objekt optimizacije znanstvenih istraivanja ili praktine
primjene u realnim procesima. (Knjiga Matematiko modeliranje...,strana 6, 1.1 Svrha i cilj
modeliranja)

8. ta prethodi tehnolokoj i ekonomskoj optimizaciji

procesa?
Tehnoloko oblikovanje i projektiranje modernih procesa obrade zahtjeva analizu svih
tehniko-tehnolokih parametara procesa i primjenu znanstvenih metoda u cilju modeliranja i
definiranja optimalnih uvjeta obradnih procesa i sistema, u cilju optimizacije, ekonominosti,
smanjenja utroka materijala itd. Da bi se navedeni ciljevi ostvarli potrebno je djelovati u
pravcu:
implementiranja novih i usavravanje postojeih metoda i postupka obrade
projektiranja i primjene visokoproizvodnih postupaka obrade i obradnih sistema
primjene znanja u procesu projektiranja i optimizacije postupka obrade, to zahtjeva
definiranje pouzdanih matematikih modela
razvoja i primjene eksperimentalnih metoda revitalizacije proizvodnih tehnologija i
proizvoda
stalnog inoviranja i revitalizacije proizvodnih tehnologija i proizvoda
definiranja empirisko-analitikih i drugih modela potrebnih za optimizaciju i
simulaciju procesa i sistema u fazi projektovanja
(Knjiga Matematiko modeliranje...,strana 5, 1 Uvod)

9. Zato su potrebni pouzdani matematiki modeli?

Zbog sve vee trine konkurencije svaki proizvod treba proizvesti kvalitetno, jeftino i na
vrjeme, to zahtjeva definiranje i realiziranje optimalnog procesa obrade, a ne bilo kakvog.
Zato primjeni optimalne tehnologije u datom procesu obrade uvjek treba predhoditi izgradnja
dovoljno tonoga i pouzdanoga matematikog modela, jer je to uvjet postojanja skupa
vievarijantnih rjeenja iz kojih je mogue definirati optimalno. (Knjiga Matematiko
modeliranje...,strana 7, 1.2 Znaenje izgradnje pouzdanih matematikih modela)

10. Koja je razlika izmeu klasinog i modernog procesa

rada?
Razlika izmeu klasinog i modernog procesa obrade-rada prikazana je na slici, kod klasinog
procesa obrade izostavljena je optimizacija i modeliranje, a tehno-ekonomska karakteristika
ne mjenja se, dok kod modernog-savremenog procesa obrade dolazi do optimizacije i
modeliranja procesa obrade a tehno-ekonomska karekteristika tei jedinici.

Slika Procesi obrade, a. konvencionalni, b. suvremeni-optimizirani

11. Kako se mogu unaprijediti klasini-konvencionalni

procesi rada i koje su koristi od toga?
Tehnologije obrade koje se primjenjuju niz godina u odreenom konvencionalnomstandardnom obliku mogu se primjenom odgovarajuih metoda modeliranja inovirati bez
znatnijih financiskih ulaganja, ali uz koritenje znanja i informatikih tehnologija. (Knjiga
Matematiko modeliranje...,strana 7, 1.2 Znaenje izgradnje pouzdanih matematikih modela)

12. Koje su osnovne metode modeliranja?

Osnovne metode modeliranja mogu biti deterministike i stohastike.
Kod deterministikog procesa obrade postoji jednoznana ovisnost izlaznih (upravljanih)
veliina y od ulaznih veliina x tako da deterministiki matematiki model ne sadri
poremeejne veliine z (poremeajnu veliinu z ima stohastiki model ) pa model
procesa ili sistema ima oblik:

Blok shema deterministikog modela

Deterministiki model esto predstavlja priblian i pojednostavljen matematiki opis realnog
procesa, meutim osnovna obiljeija svakog realnog objekta ili procesa obrade su skoro
redovito stohastika.
Stohastiki modeli dolaze u obzir kada u procesu obrade ili sistemu postoji znatan utjecaj
nekontroliranih- poremeajnih sluajnih faktora z .

Blok shema stohastikog modela

U analizi istraivanja procesa i sistema mogu biti primjenjene neke od sljedeih metoda
modeliranja:
Analitiko
Stohastiko
Dimenzionalno
Numeriko
Raunalno-grafiko
Fizikalno
Analogno
Misaono
(Knjiga Matematiko modeliranje...,strana 9, 1.3 Metode i klasifikacija procesa modeliranja)

13. Koja je razlika izmeu deterministikog i stohastikog

modela (prikazati)?
Kod deterministikog procesa obrade postoji jednoznana ovisnost izlaznih veliina y od
ulaznih veliina x , tako da deterministiki model ne sadri poremeajne veliine z .
Model procesa ili sistema ima oblik:

Blok shema deterministikog modela

Fsi ( x , y )=0,i=1,2,3, .
uz ogranienje:
F gi ( x , y ) 0,i=1,2,3, .
ili u eksplicitnom obliku uz isto ogranienje :

y=F ( x ) .

Deterministiki model esto predstavlja priblian i pojednostavljen matematiki opis realnog

procesa. Meutim, osnovna obiljeja svakog realnog objekta ili procesa obrade su skoro
redovito stohastika. To znai, ako se eli dobiti i taan matematiki opis nekog realnog
procesa ili sistema, mora se opis definirati u obliku stohastikog modela.
Prema tome, deterministiki model moe se koristiti, samo, kada se stohastika obiljeja u
realnom procesu ili sistemu manjeg intenziteta ili kada se eli priblian ili pojednostavljen ali
dovoljno taan matematiki opis stohastikog procesa ili sistema.
Stohastiki modeli (empirijsko-statistiki) dolaze u obzir kada u procesu obrade ili sistemu
postoji znatan utjecaj nekontroliranih-poremeajnih sluajnih faktora z .

Tako opi matematiki model stohastikog procesa glasi:

Fsi ( x , y , z )=0, i=1,2,3, .

uz ogranienje:
F gi ( x , y , z ) 0,i =1,2,3, .
ili u eksplicitnom obliku:

y=F ( x , z ) .

Blok shema stohastikoga modela

14. Kako se izraava deterministiki model?

Deterministiki model se izraava pomou razliitih matematikih struktura, kao to su:.
algebarske
obine diferencijalne,
parcijalne,
integralne i dr. jednaine.

15. O kakvom se matematikom modelu radi kad

neobuhvaeni parametri ne utjeu na izlazne parametre i
kada svakom skupu ulaznih parametara odgovara
jednoznano skup izlaznih parametara?
Ako neobuhvaeni parametri ne utjeu na izlazne parametre procesa (varijanta kada se u
pravilu moe razmatrati kao isto hipotetiki skup) i ako svakom konkretnom skupu
obuhvaenih ulaznih parametara odgovara jednoznano odreeni skup izlaznih parametara,
tada se govori o deterministikom matematikom modelu procesa.

16. Koje sve postoje metode modeliranja procesa i sistema?

DRSAMMFNA
nit iun
Eamnoszma
Tlenhaiel
Oon-aokri

a
u
a
o

zgsDnait
niatEeli
eoi nk
Mneek
Oake
leD
nE
e

L
R
A
N
J

r
f
k

17. Koji je glavni znaaj stohastikog modeliranja?

Stohastiko modeliranje koristi eksperimentalne rezultate i metode matematike statistike.
Ovakvi su modeli veoma korisni u mnogim inenjerskim i znanstvenim istraivanjima
(procesi obrade, obradni sistemi, triboloki procesi, tanost i kvaliteta obrade, minimizacija
utroka energije, materijala i vremena obrade, procesno inenjerstvo, toplinski procesi itd).
Suvremeni pristup modeliranju temelji se na povezivanju teorije i eksperimenta. Osnovna
karakteristika stohastikog modela je visok stupanj pouzdanosti i tanosti uz znatne trokove
modeliranja, radi potrebne pripreme i realizacije eksperimenta.

18. Kako se dobiju matematiki modeli dimenzionalnim

modeliranjem?
Dimenzionalno modeliranje se koristi u mnogim podrujima kao to su: hidrotehnika,
aerotehnika, hemijska i procesna tehnika, termodinamika, procesi obrade itd. Teorija
dimenzionalnosti, iako ima prostu proceduru primjene, jo uvijek je nedovoljno iskoritena u
modeliranju i analizi procesa, posebno kod proizvodni procesa i sistema. Dimenzionalnim
modeliranjem se dobiju matematiki modeli sastavljeni od bezdimenzionalnih veliina i
eksponenata koji se obrade koritenjem eksperimentalnih rezultata. Dakle i kod modeliranja
primjenom teorije dimenzionalnosti eksperimentalno je istraivanje osnova za definiranje
matematikih modela u obliku koji e biti pogodan za praktinu primjenu.

19. Gdje i zato se koristi numeriko modeliranje?

Numeriko modeliranje se koristi za:
modeliranje naprezanja i deformacija u podruju elastinih, elasto-plastinih i
plastinih deformacija,
proraun sila optereenja sistema i alata,
simulaciju procesa i
izbor optimalne konstrukcije ili varijante procesa obrade.
Uz pomo ove metode mogue je definirati matematike modele i izvesti simulacije rjeenja
bez provedbe eksperimentalnih istraivanja i izrade prototipnih sistema, to znatno skrauje
vrijeme prorauna, analize, projektiranja procesa i pojeftinjuje poslove koji prethode
aplikaciji.

20. ta je osnovni cilj modeliranja, ta se definira

modeliranjem i kako se prikazuju ovisnost parametara?
Osnovni cilj modeliranja je definiranje matematikih modela i drugih prikaza koji su
neophodni za optimizaciju, simulaciju, revitalizaciju iI upravljanje procesima i sistemima.
Ili drugim rijeima, osnovni je cilj izgradnja matematikih modela koji e u odgovarajuem
stanju tanosti adekvatno opisati process ili sistem, u cilju:
Simulacije varijantnih rjeenja, analize i prognoziranja stanja procesa jo u fazi
projektiranja,
Definiranja matematikih modela koji su neophodni za optimizaciju procesa i
iznalaenje optimalnih rjeenja,
Izgradnje modela upravljanja za dati sistem, tj. objekt optimizacije,
Znanstvenih istraivanja i/ili praktine primjene u realnim procesima.

21. Koji su glavni koraci algoritma razvoja matematikog

modela?
POETAK

Formalizirano opisivanje procesa

Identifkacija mikro procesa
Analiza ulazno-izlaznih parametara
Utvrivanje skupa Xi Zi Yi i=1,2,3,...
Defniranje granice parametara
Matematiko opisivanje procesa
Formiranje matematikog modela mikro procesa

Sinteza matematikih modela mikro procesa

Analiza adekvatnosti i pouzdanosti matematikog modela

Raunalo

Defniranje algoritma
Ispitivanje toka funkcije
Raunalo
Rjeavanje sistema jednadbi

Opi algoritam razvoja matematikog modela

22. ta podrazumjeva matematiko opisivanje realnog

procesa ili sistema?
Matematiko opisivanje realnog procesa obrade podrazumijeva matematiko opisivanje svih
elementarnih procesa prikazanih u obliku funkcija i jednadbi (funkcija postojanosti alata,
funkcija istroenosti alata, funkcija otpora u procesu obrade, funkcija kvalitete obraene
povrine,), sintezu matematikih modela pojedinih elementarnih procesa u jedinstveni
matematiki model te njihovo povezivanje definiranjem dodatnih punkcija.

23. Kako se izvodi identifikacija parametara procesa?

Identifikacija parametara procesa i sistema izvodi se analizom procesa na temelju poznatih
teorijskih podataka o konkretnom procesu ili slinom procesu kada je konkretni proces
nedovoljno poznat.
Identifikacija parametara procesa moe se izvesti i eksperimentalnim putem kada se iz
ukupnog skupa identificiranih utjecajnih parametara izabere jedan broj parametara koji se
definiraju kao nezavisno promjenjive ulazne veliine (Xi), a ostali se parametri, iako mogu
biti nezavisno promjenjive veliine u postupku modeliranja, tretiraju kao konstante.

Dinamika procesa (ukupne i specifne sile, mom

OBRADAK (materijal, stanje oblik)

Energetika procesa (utoak, stupanj iskoristiv

VRSTA PROCESA OBRADE
(tokarenje, glodanje, buenje, izvlaenje, istiskivanje, zavarivanje, ...)

Otpornost troenju (temperatura, trenje, trajn

ALAT
(materijal, vrsta, geometrija)

Geometrija obraene povrine i tanost obli

STROJ
(tanost, snaga, pogon, upravljanje)UVJETI PROCESA OBRADE Kvaliteta obraene povrine, hrapavost
(brzina, posmak, dubina, temperatura, deformacija, postojanost, trenje,...)
TRIBOLOGIJA
(sredstvo za hlaenje i podmazivanje)

Otpadak materijala, oblik, stupanj iskoristivost, po

Vrijeme obrade, trokovi direktnog i indirektnog i

ULAZNE
KARAKTERISTIKE

KARAKTERISTIKE
PROCESA

Sl. Analiza i identifikacija parametara procesa obrade

IZLAZNE
KARAKTERISTIKE

24. Prikai identifikaciju ulaznih i izlaznih parametara

procesa odreenom blok emom.
Identifikacija parametara procesa obrade skidanjem strugotine

Nezavisno promjenjive ulazne veliine

Blok shema ovisi o vrsti procesa obrade, broju utjecajnih parametara, cilju istraivanja I
sloenosti pretpostavljenog modela.

25. O emu ovisi blok ema procesa?

A
Blok shema procesa ovisi o vrsti procesa obrade, broju utjecajnih parametara, cilju
istraivanja i sloenosti pretpostavljenog modela. Izlaznih parametara procesa moe O
biti vie
g
ili samo jedan, to ovisi od postavljenog cilja modeliranja.
Konstante
Elementi
26. Kako se vri izbor tipa modela i koji su modeli najbolji?
reima
kojojobrade
mjeri taj

Do modela se moe doi na razliite naine , meutim osnovno je pitanje u

odabrani model adekvatno opisuje stanje procesa obrade.
Osnovni tipovi matematikih modela su deterministiki i stohastiki.U smislu odabira
osnovnog tipa matemtikog modela izbor zavisi o omjeru utjecaja sluajnih varijabli.

v
s

Pri izboru modela za aproksimaciju eksperimentalnih rezultata trae se modeli koji G

najbolje
opisuju realni proces ili sistem. Funkcija modela moe biti, prava linija, parabola drugog ili

treeg reda, hiperbola, logaritamska funkcija

Za izbor tipa modela ne postoji opte pravilo ve da za svaki istraivaki proces ili sistem
treba izabrati model a zatim izvriti provjeru njegove tanosti i adekvatnosti u odnosu na
realni proces.

Sliku 2.7 primjeri izbora matematikog modela ovisno o grupiranju eksperimentalnih

rezultata.
Str 27-28

27. ta je induktivni, a to deduktivni put u razradi

matematikih modela?
Postoji vie naina da se izgradi model sistema, od kojih su najznaajniji sljedei pristupi:
1. Deduktivni pristup (polazi od opteg ka posebnom).
2. Induktivni pristup (za razliku od prethodnog, polazi od posebnog da bi se dolo do
opteg).
Deduktivni pristup: Ovaj pristup pretpostavlja primjenu optih iskustava koja su steena
prilikom modeliranja razliitih specifinih procesa. Uz to, pristup koristi i prethodno znanje o
razmatranom procesu, koje se zasniva na poznavanju fizikih zakona koji definiu
matematike relacije izmeu relevantnih varijabli u idealizovanom modelu procesa sa
idealizovanim fizikim komponentama. Na primer, u idealizovanim fizikim komponentama
tijelo odgovarajue mase se tretira kao takasto, uz zanemarivanje njegovih dimenzija, protoci
su laminarni, koncentracije su homogeno raspodeljene u rezervoaru, mjeavine su idealne i
sl. Fiziki zakoni se obino izraavaju u obliku algebarskih i/ili diferencijalnih jednaina.
Induktivni pristup: U optem sluaju se ne raspolae sa dovoljno apriornog znanja da bi se
parametri u usvojenoj strukturi modela procenili adekvatno. U takvim situacijama koriste se
tehnike parametarske identifikacije sistema, koje koriste mjerenja ulaza i izlaza sistema da bi
estimirale (procijenile) vrijednosti parametara u modelu. Postupak identifikacije zasniva se i
na nekim dodatnim pretpostavkama, kao to su, na primjer, klasa linearnih modela, selekcija
ulazno/izlaznih varijabli, red modela i sl. Sam postupak pribavljanja informacija o sistemu
naziva se indukcija. U navedenom sluaju postavlja se prirodno i pitanje izbora kriterijuma za
poreenje razliitih modela u uslovima kada su mjerenja na procesu prisutna.
Ponekad je mogue da se model sistema izvede samo na osnovu deduktivnog pristupa,
koristei odgovarajue fizike zakone i procenjene vrijednosti parametara, na bazi fizikih
gabarita. Takav model naziva se bijeli model ili white-box model.
U nekim sluajevima ne postoji adekvatno apriorno znanje o realnom procesu, te model
mora da se postavi na osnovu raspoloive mjerne informacije o ulazu i izlazu sistema, ne
posjedujui adekvatnu informaciju o internoj strukturi i internim relacijama u sistemu. Tako
izveden model naziva se crni model ili black-box model. Izmeu ova dva granina
sluaja nalazi se model u formi sive kutije ili gray-box model, koji je u sebe ukljuio svu
moguu raspoloivu apriornu informaciju o realnom procesu.

28. Pri definiranju analitikog matematikog modela ta je

izvor informacija i to prethodi opisivanju procesa?
Kod analitikog modeliranja i definiranja analitikih matematikih modela (AMM) polazni
objekt promatranja i izvor informacija nije uvijek realni proces, ve neka apstrakcija u vidu
integralnog ili asimptotskog matematikog modela. Tanost AMM se moe prihvatiti samo
poreenjem dobivenih analitikih i eksperimentalnih vrijednosti istraivanih parametara
procesa ili sistema. Matematikom opisivanju svakog procesa prethodi faza idealizacije tj.
uproivanja stvarnog procesa.

29. Koje su osnovne faze analitikog opisivanja procesa?

Analitiko modeliranje je postupak definiranja jednadbi stanja procesa ili sistema u obliku
matematikih formulacija s primjenom nunih aproksimacija I pojednostavljenja kako bi se
process modeliranja doveo do cilja I dobio prikladan model za inenjersko-tehniku praksu.
Osnovni koraci su:
- definiranje ulaznih tehnolokih parametara,
- podjela ulaznih tehnolokih parametara na obuhvaene i neobuhvaene
- podjela obuhvaenih tehnolokih parametara na promjenjive i konstante u okviru
promatranog modela,
- definiranje jednadbe veze ulazno-izlaznih parametara procesa,
- izbor i primjena konkretnih analitikih i fizikalnih zakona koji odreuju jednadbu
veze
- rjeenje sistema jednadbi veze
- ispitivanje i provejra tanosti i pouzdanosti modela.

30. ta sadri blok ema algoritma razrade analitikog

modela?
Slika algoritma razrade analitikog modela, dr. prof. Jurkovi, str. 34.
Algoritam razrade analitikog modela sadri:
1. Poetak
2. Informacije o opim zakonima procesa obrade i informacije prethodnih istraivanja
i intuitivni zakljuci.
3. Skup utjecajnih ulaznih tehnolokih faktora
4. Blok formiranih varijabli i konstanti, odnosno izabrani faktori
5. Jednadbe veze ulaznih i izlaznih faktora, izbor odgovarajuih fizikalnih i
konkretnih zakona
6. Sumu ulaznih fizikalnih faktora
7. Znanstvena informacija o metodama realiziranja
8. Rjeenje sistema jednadbi
9. Empirike informacije i razvijanje modela (konkretni analitiki zakon)
10. Provjera tanosti (pouzdanosti) modela
11. Ispis modela
12. Kraj

31. Kako nastaje analitiki model?

Analitiko modeliranje je postupak definiranja jednadbi stanja procesa ili sistema u
obliku matematikih formulacija s primjenom nunih aproksimacija i pojednostavljenja
kako bibse proces modeliranja doveo do cilja i dobio prikladan model za ininjersko
tehmiku primjenu.
Kod analitikog modeliranja i definiranja analitikih matematikih modela (AMM)
polazni objekt promatranja i izvor informacija nije uvijek realni proces, ve neka
apstrakcija u vidu integralnog ili asimptotskog matematikog modela. Matematikom
opisivanju svakog procesa prethodi faza idealizacije, tj. uproivanja stvarnog procesa.
Ipak, kao i svaki model, i matematiki model treba to bolje odravati realni ili
pretpostavljeni proces, s tim da s matematikog stajalita bude upotrebljiv. Osnovni su
koraci matematikog opisivanja procesa obrade:
-

Definiranje ulaznih tehnolokih parametara

Podjela ulaznih tehnolokih parametara na obuhvaene i neobuhvaene
Podjela obuhvaenih tehnolokih parametara na promjenljive i konstantne u okviru
promatranog modela
Definiranje jednadbe veze ulazno izlaznih parametara procesa
Izbor i primjena konkretnih analitikih i fizikalnih zakona koji odreuju jednadbu
veze
Rjeenje sistema jednadbi veze
Ispitivanje i provjera tanosti i pouzdanosti modela

32. ta se koristi za linearizaciju matematikog analitikog

modela i kako se to izvodi?
Za odreivanje lineariziranog matematikog modela koriste se prvi lanovi Taylorova ili
Mac-Laurinova reda. Pretpostavka je da su ispunjeni uvjeti za linearizaciju funkcije sile
rezanja F, tj. da je funkcija f(x) = f(F) neprekinuta i diferencijabilna u odgovarajuem
podruju.
Mac- Laurinov red:
f ( x )=f ( 0 ) +f ' ( 0 ) +

x2 '' ( ) x3 ' ' ' ( )

f 0 + f 0 +
2!
3!

odnosno Taylorov red:

'

f ( x )=f ( x0 ) + ( xx 0 ) f ( x 0 ) +

( xx 0 )
2!

2
''

f ( x 0 ) +

33. ta je empirijsko statistiko modeliranje?

Radi dobijanja pouzdanog matematikog modela vri se statistika obrada
eksperimentalnih podataka. Kada se u modelu koriste empirijski podaci kao rezultat se
dobiva eksperimentalni matematiki model, odnosno stohastiki model.
Procesi obrade su kao i drugi procesi u tehnici stohastikog karaktera pa se koristi
empirijsko statistiko modeliranje, koje daje tanije rezultate u odnosu na druge metode
modeliranja. Stohastiki ili empirijsko statistiki model polazi od ope funkcije izlazne
karakteristike procesa:
y=f ( x , y ) ili y i=f ( x 1 , x 2 , , x k , , x p , z1 , z2 , , zr ) i=1,2,3,

34. Kako izgleda funkcija signifikantnih i nesignifikantnih

parametara i ta su oni?

Prethodna funkcija se nakon selekcije poremeajnih (nesignifikantnih) dijelova

moe rastaviti na dvije funkcije:
y= ( x 1 , x 2 , , x k , x p ) + ( z 1 , z 2 , , z r )
ili
y= ( x ) + ( z )

 ( x ) - funkcija kontroliranih (signifikantnih) parametara

( z ) - funkcija nekontroliranih (nesignifikantnih) parametara
Definira i sluajnu greku eksperimentalnog ispitivanja, odnosno sluajnu
greku mjerenja.

35. ta sadri ema razrade stohastikog modela?

ema razrade stohastikog modela sadri:
-

Informacije o objektu istraivanja

Eksperiment
Matematiku teoriju plana eksperimenta
Sluajne eksperimentalne podatke
Matricu eksperimenta
Realizaciju
Analizu i obradu rezultata
Definiranje modela
Provjeru adekvatnosti
Ispis modela

36. Postupak razrade stohastikog matematikog modela (od

poetka do ispisa modela).
-

Identifikacija skupa svih parametara

Iz

( 0)

xi

x (i0) procesa ili sistema

izdvajaju se promjenljivi parametri

regulirani parametri i na

x vi , a oni se dijele na

x ri

x ni - neregulirani parametri
x vi u uvjetima realnog procesa ili sistema

Odreuju se granice variranja parametara

Nakon toga se odluuje o metodi izvoenja eksperimenta (pasivni ili aktivni)

r
Ako se promjena x i izvodi po unaprijed utvrenom planu, onda je eksperiment

aktivni
x ni na granicama

x ni ne utjeu na

yi

Sluajne oscilacije

Ako nije mogua realizacija matrice eksperimenta, koriste se sluajni eksperimentalni

v
podaci, pri emu se nesistematski izvodi kombinacija promjenljive veliime x i i
yi
v

xi

. Tada je dobro smanjiti tehnoloke zahtjeve, te dopustiti oscilacije parametara

u irim granicama, nego je to sluaj u realnom procesu.

Postupak se zavrava obradom prikupljenih eksperimentalnih podataka i provjerom

adekvatnosti dobivenog modela.

(ema je prikazana u knjizi prof. dr. Jurkovia, str. 45.)

37. ta su sluajne varijable, koje su njihove osobine i kako

se ukljue u model?
Sluajne varijable su nekontrolirani poremeajni faktori koji se javljaju u procesu ili
sistemu.
Stohastiki model dolazi u obzir kada u procesu obrade ili sistemu postoji znatan utjecaj
tih faktora.
Sluajne varijable se nazivaju jo i stohastike varijable.

38. Kakav moe biti eksperiment za formiranje stohastikog

modela i koja je razlika izmeu njih?
Razrada stohastikog modela temelji se na statistikoj obradi eksperimentalnih podataka.
Metode definiranja stohastikih modela mogu biti utemeljene na obradi sluajnih
eksperimentalnih podataka koada uvjeti eksperimenta nisu programirani (pasivni
eksperiment) i na obradi podataka kada su uvjeti eksperimenta programirani primjenom
matematike teorije planiranja eksperimenta (aktivni eksperiment).
Prednost prve metode je mogunost razrade matematikog modela procesa bez
promjene postojeeg reima rada sistema ili procesa. Pasivni eksperiment se obino
primjenjuje za determinirane pojave, gdje model vrlo esto predstavlja priblian opis realnog
procesa. Kvaliteta aproksimacije podataka pasivnog eksperimenta uglavnom ovisi od izbora
tipa jednadbe aproksimacije. Ovako dobivene aproksimativne jednadbe esto ne
zadovoljavaju usvojene kriterije tanosti modela. Zbog toga se znatno vie koriste aktivni
eksperimenti.
Drugom metodom se definira tani matematiki model s minimalnim brojem
eksperimentalnih podataka, to se postie programiranom promjenom ulaznih parametara s
unaprijed utvrenim granicom variranja u uvjetima realnog procesa.
IZVOR: Knjiga Jurkovia str. 45

39. Kako se izvodi identifikacija parametara za formiranje

stohastikog modela (prikazati korak po korak)?
Definiranje stohastikog modela poinje identifikacijom skupa svih parametara
Iz tog skupa (
) izdvajaju se promjenljivi parametri
, a oni se dijele na
regulirani parametri i na
- neregulirani parametri.
Zatim se odreuju se granice variranja parametara
u uvjetima realnog procesa ili
sistema
Nakon toga se odluuje o metodi izvoenja eksperimenta (pasivni ili aktivni)

40. Postupak obrade rezultata eksperimenta.

Obrada rezultata eksperimenta je zavrni dio eksperimentalnog istraivanja, a sastoji seiz

provjere podataka, odreivanja greke eksperimenta ili njenog mjerila, provjere hipoteze
isreivanje rezultata u obliku u kome e biti prikazani. Pri ovome se tei da se iz
rezultatadobije to vie informacija i da su one to vjerodostojnije.U inenjerskim
eksperimentima se najee zahtijeva kvantitativno prikazivanje rezultatau obliku funkcije ili
grakona, to omoguuje savremena raunarska tehnika.

41. Postupak obrade rezultata stohastikog eksperimenta.

Slika obrade rezultata stohastikog eksperimenta, dr. prof. M. Jurkovi, str. 46.
1. Poetak
2. Izbor oblika matematikih modela i proraun koeficijenata regresije
3. Proraun disperzije paralelnih eksperimenata
4. Provjera homogenosti disperzija po kriteriju Cochran-a:
Ukoliko uvjet homogenosti disperzija nije ispunjen, vraamo se na 2.
Ukoliko je uvjet homogenosti disperzija ispunjen, prelazimo na 5.
5. Izraunavanje greke eksperimenta
6. Proraun disperzije koeficijenata regresije
7. Provjera znaajnosti b, po kriteriju tudenta:
Ukoliko uvjet po Studentu nije ispunjen, vraamo se na 2.
Ukoliko je uvjet po Studentu ispunjen, prelazimo na 8.
8. Provjera disperzije adekvatnosti i kriterija Fisher-a
9. Provjera adekvatnosti modela po kriteriju Fisher-a:
Ukoliko uvjet po Fisheru nije zadovoljen, vraamo se na 2.
Ukoliko je uvjet po Fisheru zadovoljen, prelazimo na 10.
10. Model je adekvatan
11. Kraj.

42. ta je homogenost disperzije eksperimenta, kako se

ispituje i koji su
potrebni podaci?
Provjera homogenosti disperzije eksperimenta se izvodi nakon eksperimenta.
Ponavljanjem eksperimenta pri konstantnim vrijednostima ulaznih parametara moe se
utvrditi razlika u dobivenim numerikim izlaznim vrijednostima.
Promjenom vrijednosti ulaznih parametara i ponavljanjem eksperimenta dobije se matrica
rezultata izlaznih vrijednosti.
Provjera homogenosti disperzije za odreeni nivo pouzdanosti izvodi se po Cochranovu
kriteriju:
2

K h=

max S j
N

S
j=1

Kt

Kt ( f j , N )

2
j

- tablina vrijednost po Cochranovu kriteriju za stupnjeve slobode

f ji N

fj

- stupanj slobode

f j=n j1

nj

broj ponavljanja u uzorku, N broj uzoraka

43. to je provjera homogenosti disperzije eksperimenta i

kako se izvodi?
43. Provjera homogenosti disperzije eksperimenta izvodi se pomou Cochranova i
Fisherova kriterija.
Cochranov kriterij:
N

j 1
Kh = max Sj /
sj Kt (fj,N)
gdje je:
Kt tablina vrijednost po Cochranovu kriteriju za stupnjeve slobode f j i N
fi stupanj slobode (fj = nj 1)
nj broj ponavljanja u uzorku
N broj uzoraka
Fisherov kriterij:
F = S1 / S2 Ft (f1,f2)

ili

F = S2 / S1 Ft (f2,f1)

Ft tablina vrijednost po kriteriju Fishera za stupnjeve slobode f 1 i f2 ili f2 i f1

f1 = (n1-1) stupanj slobode prvog uzorka
f2 = (n2-1) stupanj slobode drugog uzorka
Ne znam ta je provjera disperzije eskperimenta
Izvor: Knjiga str 47 48

44. Pomou ega se provjerava homogenost varijanci i kako?

44. Provjera homogenosti varijanci se izvodi pomou Fisherovog kriterija za
distribucije koje su priblino normalne. Po ovom kriteriju usporeuju se disperzije za
dvije serije mjerenja i za sluaj da su dobiveni rezultati sluajni, nezavisni i normalno
rasporeene veliine. Ako je disperzija prve serije 1, a druge serije 2, odnosno
varijance S1 i S2 tada je za F-razdiobu i stupnjeve slobode (n 1-1) i (n2-1):

S1

1 2
2

S12

22

S 22

S2
F=

Izvor: Knjiga str 48

45. Kako se odredi stupanj slobode eksperimenta ako je broj

pokusa od 1...N i ako su po tri ponavljanja u svakome
pokusu?
45. Ukupni stupanj slobode fE greke eksperimenta ovisi o nainu ponavljanja
pokusa. Tako za procjenu greke eksperimenta za broj pokusa od 1...N i ako su po tri
ponavljanja u svakome pokusu ide:

2. JEDNAKO PONAVLJANJE MJERENJA n1 = n2 = ... = nj = nN

N

( y ji y j ) 2
j 1 i 1

suma kvadrata:
ukupan stupanj slobode fE = N(n-1)
Za na primjer bi bilo n=3 fE = N(n-1) = N(3-1) = 2N
Ne znam jel taan rezultat 2N
Izvor: Izvedeno str. 55,56 i 57

46. Kako se izvodi ocjena greke eksperimenta?

46. Standardna devijacija ili kako se jo naziva standardna greka slui za raunsku
ocjenu tanosti obavljenih mjerenja:

1 n
( yi y ) 2

n i 1
=
Napomena: sva formula ide pod korijen
Izvor: Knjiga str. 54

47. Kakva sve mogu biti ponavljanja mjerenja i zato se

izvode?
47. Pri izvoenju eksperimenta broj ponavljanja mjerenja i moe biti jednak ili razliit
u svih j uzoraka, to ovisi o planu eksperimenta. Tako imamo:
razliito ponavljanje mjerenja n1 n2 ... nj nN
2. jednako ponavljanje mjerenja n1 = n2 = ... = nj = nN
3. ponavljanje samo u jednoj taki eksperimenta j=1
4. ponavljanje u jednoj taki (i) puta
1.

Izvodi se zbog odreivanja sume kvadrata i ukupnog stupnja slobode f E.

Izvor: Knjiga str. 55

48. Kako se odredi varijanca greke (proraun greke)

eksperimenta?
48. Varijanca greke mjerenja eksperimenta odreuje se izrazom:
N

( y ji y j ) 2
j 1 i 1

S =

fE

2
n

Izvor: Knjiga str. 55

49. ta je podruje pouzdanosti i ta znae granice

pouzdanosti (prikazati emu)?
Podruje pouzdanosti je podruje izmeu granica pouzdanosti. Granice pouzdanosti
podrazumijevaju granicu, unutar koje se moe s odabranom statistikom vjerovatnou P i uz
pretpostavku normalne razdiobe greaka, oekivati stvarna vrijednost izmjerene veliine.
ematski se moe prikazati:

G
a
i
e
p
u
d
n
s

r
n

P
d
u
e
p
u
d
n
s

c
o
z
a
o
t

S
T
T
K
V
R
V
T
O
A

o
r

o
z
a
o
t

Gra

T
A
I
S
I

A
J
E
j
O
A
N

R
A
Z
D
O
B
A
G
R
E

A
K
A

fiki se moe prikazati na sljedei nain:

f(x)

f(x)

1,96

1,96

f(x)

2,58

2,58

3,29

3,29

50. Objasniti i prikazati metodu najmanjih kvadrata i njenu

primjenu!
Metoda najmanjih kvadrata jedna je od metoda teorije greaka koja se koristi za
ocjenu nepoznatih veliina na temelju rezultata mjerenja. Moe se koristiti i za priblino
predstavljanje unaprijed zadane funkcije ili analizu eksperimentalnih podataka.
Regresijska analiza ima zadatak da pronae metodu za odreivanje vrijednosti
koeficijenata 0 i 1 regresijske funkcije (x) prave linije: yi = 0 + 1xi + i, za i = 1, 2, ... n, a
osigurava optimalnu aproksimaciju promjene veliine X pomou funkcije (x). Odnosno
trai se ona linija koja najbolje aproksimira eksperimantalne rezultate iz grupe moguih
regresijskih pravih linija.
To se moe prikazati:

Graf predstavlja metodu najmanjih kvadrata, i ona se koristi za odreivanje b1 i b0.

Uvjet je dasuma kvadrata vertikalnih odstupanja empirijskih vrijednosti yi od regresijske
prave i bude minimalna. to znai da je:
n

i=1

i=1

min i = e i kada 0 b 0 , 1 b1 , e

0 1 x1

min i =min
i=1

i=1

Cilj je da se regresijska funkcija po pretpostavki (yi) i po realnom poklapaju, da bi

greke bile to manje. Sa ovom metodom se moe izraditi model, ali jednostavni.

51. Za poznatu funkciju y = b + ax prikazati numeriku

obradu rezultata!
Ako je funkcija y = b + ax, a ako pretpostavimo da je apsolutna greka y = y yt,
metodom najmanjih kvadrata sljedi:
( y y t )2 min
gdje su:
yN rezultati nezavisno promjenljivih veliina
xN nivo nezavisno promjenljivih faktora
yt - tana vrijednost zavisnoo promjenljive veliine za odreeni nivo x
y stvarno izmjenjena vrijednost koja sadri i sluajnu greku

52. Za nepoznatu funkciju prikazati numeriku obradu

rezultata!
Na osnovu eksperimentalnih rezultata moe se na vie naina odrediti funkcija. Ako
se nacrta grafiko rjeenje tako da suma kvadrata odstojanja svih taaka od prve crte bude
minimalna. Tada se po Gaussovu principu ( metodi najmanjih kvadrata) uzima odstojanje b,
jer je lake za raunanje.

Pa je suma razlike kvadrata za jednadbu regresijske prave: y = k + bx. Treba da

bude minimalna to znai:
y

bx0 k

a=
j=1

Zamjenom vrijednosti za k, ako je k = bx , sljedi da je:

y y =b ( xx )
I vidimo da pravac jednadbe prolazi kroz taku ( x , y ) .

53. Koji se koristi kriterij za ocjenu linearnosti funkcije

regresije?
Za ocjenu linearnosti funkcije, provjera se vri disperznom analizom. Provjerava se
vri na taj nain da se odredi ukupno rasipanje q koje se sastoji od rasipanja srednjih
vrijednosti i oko regresijske prave q1 i rasipanja vrijednosti unutar grupe q2, tako da je
q
= q1 + q2.
Kriterij koji se koristi za ocjenu linearnosti je fisherov kriterij:

q1
r 2
F L=
< F t ( r2, nr )
q2
nr

Ako je FL < Ft tada je regresijska prava linearna.

Gdje su:
Ft- tablina vrijednost
n parovi vrijednosti r grupa s istom vrijednou x
r broj grupe sa istom vrijednosti za x

54. Kako se sa dovoljno tanosti moe prihvatiti polinom za

aproksimaciju neke funkcije?
Za svaku neprekidnu funkciju y=f(x) u zadanom intervalu x (x0, x1) moe se s
dovoljno tanosti aproksimirati polinom n-tog reda, za dovoljno veliko n i dovoljno tano
odreene koeficijente polinoma.
Kada se eksperimentalni podaci n parova (xi, yi), za i= 1, 2, ... n, predstave u ravnini,
odredi se krivulja koja najbolje aproksimira dati skup. Trai se krivulja koja je najblia svakoj
taki na dijagramu rasipanja. to je rasprenost podataka vea, ima i vie greaka.

55. ta je teorijska krivulja polinoma, a to empirijska i

kakva je njihova usaglaenost?
Teorijska krivulja polinoma je krivulja dobivena pomou teorijskog matematikog
modela koji najblie pokazuje prirodu procesa ili pojave dok je empirijska krivulja ona
nastala spajanjem dovoljnog broja vrijednosti dobivenih eksperimentom.
Ukoliko je dobra usaglaenost polinoma kao matematikog modela i vrijednosti dobivenih
eksperimentom postie se vei broj koeficienata koji polinom definiraju.
Ali treba pomenuti da usaglaenost teorijske krivulje sa empirijskom ne znai u isto
vrijeme i usalaenost sa funkcijom regresije. Dakle ima sluajeva kada poveanjem
stupnja polinoma postiemo suprotan efekat od traenog tj. udaljenje od linije regresije.
Milan Jurkovi: Matematiko modeliranje inenjerskih procesa i sistema, mainski
fakultet Biha 1999. p.75

56. Kako se trai polinom (model) koji e najbolje

aproksimirati dati proces (navesti metode)?
Polinom (model) koji e najbolje aproksimirati dati proces trai se tako da se
x
y
eksperimentalni podaci n parova ( i , i ), i=1,2,3,...,n predstave u ravnini, te se
onda prema obliku krivulje koju formiraju te take odredi model koji najbolje odraava
zakonitosti statistike razdiobe dobivenih empirijskih rezultata.(slika 4.8)
Kako ne postoji jedinstvena metoda za izbor oblika analitike funkcije, preporuka je da se
u svakom konkretnom sluaju trai matematiki model (polinom) koji e na to manje
parametara bolje aproksimirati dati proces ili sistem.
Metode su:
- Experimentalna (empirijska) metoda: polazi od eksperimentalnih podataka gdje se
iz dovoljno velikog broja eksperimentalnih rezultata moe dovoljno tano uoiti tip
polinoma koji najbolje opisuje funkciju regresije.
- Teorijska metoda: polazi od toga da su eksperimentalni podaci matematike veliine
u kojima se izraavaju odreeni konkretni fizikalni procesi ili pojave, te se slui
podacima ranijih istraivanja slinih procesa ili pojava.
Ib.p.73-76

57. Koja su tri osnovna koraka u definiranju matematikog

modela?
Tri su osnovna koraka u definiranju funkcije, odnosno matematikog modela:
-izbor regresijskog modela
- izraunavanje parametara za izabrani model metodom najmanjih kvadrata
j

-provjera tanosti i adekvatnosti regresijskog modela.

Ib.p.76,

58. Prikazati teorijske i grafiki realne koeficijente

regresijskog modela?
Kada je mehanizam procesa nepoznat matematiki model prikazujemo u obliku
polinoma:
k

i x1

Y=

i=0

x1 xm

1 i<m

ii x
i=1

2
1

1 i<m k

imk x 1 x m x k

U ovom matematikom modelu teorijski koeficienti regresijskog modela su:

i
ii
koficienti linijskog utjecaja,
koeficient kvadratnog utjecaja,

dvofaktorne interakcija,
k

bi x1 +
i=0

imk

- viefaktorne interakcije funkcije regresije.

1 i<m

b x1 x m

b ii x 1 +
i=1

1 i<m k

bimk x 1 x m x k

U ovom matematikom modelu realni koeficienti regresijskog modela su:

b
bi
b
b
,
, ii , imk
pogledati sliku 4.10 prikazuje teorijskui realnu regresijsku funkciju
)

Ib.p.77,

59. Ako polinom aproksimira odreeni proces na to se svodi

rjeavanje datog problema?
Npr ukoliko je polinom treeg reda:
b
x0
b x
b2
x2
b
y= 0
+ 1 1 +
+ 12
b112
+

b222

x2

x1

b122

2
x 1 x 2 + b111

x1 x2

b11

x 21 + b22

x 22 +

x1

x 32

Ukoliko polinom aproksimira odreeni proces rjeavanje se svodi na izraunavanje

koeficienta bi.
Ib.p.78

60. Koji su kriteriji pri izboru nezavisnih promjenljivih

varijabli u blok emu?
Izbor utjecajnih faktora procesa ili sistema izvodi se na osnovu prethodnog poznavanja
istraivanog podruja, literaturnih podataka o datom procesu i iskustvo istraivaa, takoe
vrsta procesa cilju modeliranja, eksperimentu, intuiciji istraivaa, posjedovanju
odgovarajue opreme.

Kriteriji kod izbora nezavisnih promjenjivih variabli u blok emu su:

-najprije se nabroje svi utjecajni faktori koji imaju utjecaj na izlazne parametre procesa
-zatim se taj broj smanji (reducira, optimizira) na one koji imaju najvei utjecaj.
-njihov broj ovisi o vrsti obradnog procesa (buenje, bruenje, glodanje tokarenje itd)
Identifikacija parametara procesa i sistema se izvodi analizom procesa na temelju
poznatih teorijskih podataka o konkretnom procesu ili slinom kada je konkretni proces
nedovoljno poznat.
Ib.p.22 i 78

61. Koje postoje metode kodiranja fizikalnih varijabli?

Postoje dvije metode kodiranja fizikalnih varijabli:
a) aritmetiko i
b) logoritamsko kodiranje.
Aritmetiko kodiranje
Prilikom kodiranja uzimaju se varijable x koje sami izaberemo ili ih uzmemo po preporuci
nekog strunjaka koji je kompetentan iz tog podruja.
Kodirane vrijednosti varijabli, bez obzira na njihovu fizikalnu mjernu jedinicu (m/s, N/mm2,
m, i sl.) izraene su s dvjema vrijednostima +1 i -1. Maksimalnim vrijednostima dajemo
vrijednost +1 dok minimalnim dajemo -1. U situaciji kada imamo srednji nivo, kodirana
vrijednost je nula. Kodiranje se u ovom sluaju (aritmetiko) izvodi pomou izraza:

Xi
=

x i x oi
x x oi
i
x i x i min
xi
2

gdje su:

Xi kodirana vrijednost nezavisno promjenljivih varijabli, gdje je i-broj nezavisno

promjenljivih
varijabli ( i = 1,2,3..),
xi fizikalna vrijednost nezavisno promjenljivih varijabli na gornjem ili donjem nivou,
x0 i fizikalna vrijednost nezavisno promjenljivih varijabli u centru plana, tj. nulta srednja
vrijednost,
xi interval granice fizikalnih vrijednosti varijabli od srednje take do maksimalne odnosno
minimalne vrijednosti varijable.
Srednji nivo fizikalne vrijednosti odredi se izrazom:
x
xi min
x oi i max
2

Primjer kodiranja varijabli ( ovo pretpostavljam da nee trebati ali eto nek se nae)
x1=1= 500 N/mm2-maksimalna veliina i 300 N/mm2-minimalna veliina iz izraza
x
xi min
500 300
x oi i max
x sr
400
2
2
da je srednja vrijednost
N/mm2 pa da je
500 400 100

1
500 300 100
2

X1
kodirana vrijednost
=
za sluaj jednog pokusa u drugom sluaju
300 400 100

1
500 300
100
X1
2
=
ovo je bio sluaj gdje imamo dvije izmjerene vrijednosti
od kojih smo jednu uzeli za maksimalnu 500 N/mm2 a drugu za minimalnu. U ovom sluaju
matrica plana eksperimenta ima sljedei oblik:
Broj pokusa
N=2n=4
1
2
3
4

Fizikalne vrijednosti
x1= 1
500
300
500
300

x2= (deform.)
1.0
1.0
2.5
2.5

Kodirane vrijednosti
X1
X2
+1
-1
-1
-1
+1
+1
-1
+1

Logoritamsko kodiranje
Ako imamo polinomski matematiki model poznat i iskazan opim modelom:

C f11 f 2 2
R=

tada se logaritmiranjem dobije izraz

ln R ln C 1 ln f1 2 ln f 2

gdje su : f1, f2 nezavisno promjenljivi parametri

C , 1 , 2
nepoznati koeficijenti.

ln R ln C 1 ln f1 2 ln f 2

Ako se izrazu
izvri zamjena
y ln R, x1 ln f1 x2 ln f 2 o ln C
pa umjesto
,
i
tada se dobiva polinom sljedeeg
y o xo 1 x1 2 x2
oblika;

x i ln f i
Za i-ti nezavisni parametar

2 xi ln f i max f i min

xoi xi ln f i max .
ili

Xi

xoi xi ln f i min

odnosno
xi x oi
x x oi
i
x i x i min
x i
2

zamjenom u jednaini
=
ln f i ln f i max
1 2
Xi
ln f i max ln f i min
kodiranje u sljedeem obliku
=

ili

dobiva se izraz za

za vrijednost:

fi = fimax dobiva se Xi=+1, fi=fimin dobiva se Xi=-1 i fi=fisr dobiva se Xi=0

f isr2 f i min f i max

Srednji nivo fizikalne vrijednosti odredi se izrazom
Sve fizikalne vrijednosti varijabli procesa prevode se u kodirane vrijednosti bez obzira to
znaenja fizikalnih varijabli mogu biti razliita (N/mm2,mm,m/s itd.). Prema tome, podruje
variranja nezavisno promjenljivih veliina xi zavisi od vrste procesa, svrhe i cilja modeliranja
i zahtjeva koje je postavio istraiva.
IZVOR KNJIGA ( Matematiko modeliranje inenjer.................... ) STR.80 .i 81.

62. Prikazati osnovnu matricu kodiranja i poloaj taaka

pokusa matrice?
Kad se god pravi plan eksperimenta onda se pored matrice napravi i prikaz
eksperimentalne take matrice plana kao to je prikazano na sljedeoj slici:

Slika. Shema kodiranja i poloaj taaka matrice plana 2k s baznom takom (0,0)

Ovo je najjednostavniji plan gdje su varijable x1 i x2 i ispod imamo etiri take 1,2,3,4 i u
sredini taka nula. Sve ovo s koordinatnog sistema s gornje slike bilo bi prikazano i u matrici
koja bi izgledala ovako.
Osnovna matrica kodiranja
Nj-broj
Kodirne vrijednosti
mjerenja i
x1
x2
pokusa
taka 1
taka 2
taka 3
taka 4

-1
+1
-1
+1

-1
-1
+1
+1

Prirodne vrijednosti

yj-izmjerene veliine

v (m/s)
mi uzimamo

s (m)
mi uzimamo

v (m/s)

s (m)

50
100
50
100

1000
1000
2000
2000

y11
Y21
Y31
Y41

y12
Y22
Y32
Y42

y11 - prvi red prvo mjerenje, y12 - prvi red drugo mjerenje,
Ovdje postoje dvije mogunosti jedna da ponavljanje eksperimenta izvodimo u vrhovima
kvadrata i u tom sluaju matrica bi izgledala kao to je gore prikazano.

U sluaju da ponavljanje eksperimenta izvodimo u sredini plana tj. u nultoj taci mi bi u

matricu morali dopisati 5 i 6 pa bi ona izgledala ovako;
Nj-broj
Kodirne vrijednosti
mjerenja i
x1
x2
pokusa

Prirodne vrijednosti

yj-izmjerene veliine

v (m/s)
mi uzimamo

s (m)
mi uzimamo

v (m/s)

s (m)

taka 1
taka 2
taka 3
taka 4
5. pokus*
6. pokus

50
100
50
100
75
75

1000
1000
2000
2000
1500
1500

y11
y21
y31
y41

y12
y22
y32
y42

-1
+1
-1
+1
0
0

-1
-1
+1
+1
0
0

*- mjerenje izvodimo u nultoj taci plana tj. sredini plana

ta ovo u stvari znai, to znai da ako bi brzina bila npr. 50 m/s (x1) to je -1 a ako bi bila 100
m/s (drugi sluaj) to bi bilo +1 pa bi nula bila 75 m/s (srednja vrijednost) i ako stavimo da je
put 1000 m pa je u prvom sluaju (- i -) 1000 m a recimo u etvrtom mjerenju (+ i +) 2000 m
tada bi nula bila 1500 m.
U sluaju da ponavljanja izvodimo u vrhovima kvadrata imali bi vie ponavljanja u gornjem
dijelu matrice npr. y11 y12.......... i matrica bi izgledala kao u to je ve prikazana na prednjoj

strani odgovora a u sluaju da ponavljanje vrimo u nultoj taki onda bi u gornjem dijelu
imali samo jedno mjerenje jer nam je ponavljanje u sredini plana i matrica bi izgledala kao to
je gore prikazano.
ODGOVOR NA OVO PITANJE SAM IZVEO IZ KNJIGE SA STRANE 81. KAO I S
PREDAVANJA ODRANIH 22.12. 2011. godine.

63. Kako se iz analitikog izraza koji je praktino

neupotrebljiv:

F C v b1 s b2 a b3 k b4

moe dobiti odgovarajui

upotrebljivi
matematiki model ?
Odgovarajui upotrebljivi model moe se dobiti logoritmiranjem izraza, i nakon e biti;

F C v b1 s b2 a b3 k b4

nakon logoritmiranja dobija se sljedei izraz;

ln F ln C b1 ln v b2 ln s b3 ln a b4 ln k
gdje su : v,s,a i k nezavisno promjenljivi parametri
C , b1 , b2 , b3 , b4
nepoznati koeficijenti.

ln F ln C b1 ln v b2 ln s b3 ln a b4 ln k
Ako se na izrazu
izvri zamjena
y ln F , x 1 ln v x 2 ln s x3 ln a x 4 ln k bo ln C
pa umjesto
,
,
,
i
tada se dobiva
y bo xo b1 x 1 b2 x 2 b3 x3 b4 x 4
polinom sljedeeg oblika;

x i ln xi
Za i-ti nezavisni parametar

2 xi ln xi max xi min

xoi xi ln xi max .
ili

Xi

xi x oi
x i x i min
2

zamjenom u jednaini
=
ln xi ln xi max
1 2
Xi
ln xi max ln xi min
kodiranje u sljedeem obliku
=

xoi xi ln xi min
odnosno
x x oi
i
x i

ili

dobiva se izraz za

za vrijednost:

xi =xfimax dobiva se Xi=+1, xi=ximin dobiva se Xi=-1 i xi=xisr dobiva se Xi=0

2
xisr
xi min xi max

Srednji nivo fizikalne vrijednosti odredi se izrazom

ODGOVOR NA OVO PITANJE SAM IZVEO IZ KNJIGE SA STRANE 81.(nalazi se

ogledni primjer koji moe posluiti u vie namjena) KAO I S PREDAVANJA ODRANIH
05.01.. 2012. godine.

64. ta su modeli prvog reda i kako se mogu prikazati?

Za definiranje linearnih modela primjenjuje se plan eksperimenta prvog reda. Najvie
koriten plan je potpuni faktorni plan eksperimenta (PFE) u kojem se svaki nivo jednog
faktora kombinira sa svim nivoima ostalih faktora (varijabli). Za dobijenje linearnog modela
minimalan broj nivoa variranja je
r = 2. U tom sluaju matrica potpunog faktornog plana
k
2
eksperimenta ima oblik N = r = 2 = 4, gdje je k broj nezavisno promjenjivi faktora
(varijabli), a N broj redova matrice eksperimenta koji odgovara broju pokusa.
Dvofaktorni matematiki model (dvofaktorna matrica)
Za dvofaktorne matematike modele izvode se dvofaktorini eksperimenti s brojem pokusa N
= 22 = 4. U narednoj tablici prikazana je matrica dvofaktornog eksperimenta s djelovanjem
interakcija X1,X2. Matrica bez djelovanja interakcija spada u grupu jednostavnih
eksperimenata i modela.

Matrica plana eksperimenta 22

Broj pokusa Nj
1
2
3
4

Kodirane vrijednosti faktora

X0
X1
+1
-1
+1
+1
+1
-1
+1
+1
xij

X2
-1
-1
+1
+1
xmj

X1 X2
+1
-1
-1
+1
xij xmj

Vektor izlaza yJ
Y1
Y2
Y3
Y4

Koeficijenti
b0

b1

b2

b12

Matematiki
y = b0+x0+b1+x1+b2x2
model
y = b0+x0+b1+x1+b2x2+b12+x1x2
Poloaj taaka dvofaktornog plana eksperimenta 22 s baznom takom (0,0) prikazan je na
sljedeoj slici;

Slika. Shema kodiranja i poloaj taaka matrice plana 2k s baznom takom (0,0)
U opem sluaju je :

yj = b0x0j + b1x1j+b2x2j

za

j = 1,2,.....,N.

Za odreivanje koeficijenata b0, b1, b2 moe se koristiti metoda najmanji kvadrata, gdje je
potrebno

odrediti sumu kvadrata odstupanja teoretskih vrijednosti yj od stvarnih yj

Za ostatak formula iz knjige koje se veu na ovaj dio, profesor je na predavanju odranog
22.12. 2011. godine rekao da ne treba uiti napamet, i tom prilikom kao vano spomenuo
formulu 4.70 str. 86. u knjizi iz tog razloga to se ona direktno vee za model y =
b0+x0+b1+x1+b2x2 . Na osnovu te formule mi moemo odrediti koeficijente b0, bi, i b12 pa sam
je i ja stavio kao bitan element u odgovoru na ovo pitanje a ona glasi;

b0

1
N

X
j 1

0 j Yj

1
N

Y
j 1

jer je uvijek X0j = 1

bi

1 N
X ij Y j ,
N j 1
za i = 1,2,

b12

1 N
X ijYmj Y j ,
N j 1
za 1 i < m k = 2
yj yj

gdje je

aritmetika sredina eksperimentalnih rezultata mjerenja u pojedinim takama

yj yj
plana kada postoji ponavljanje pokusa, odnosno kada ponavljanja pokusa nama i
.
ODGOVOR NA OVO PITANJE IZVEO SAM IZ KNIGE SA str. 82.-86. KAO I SA
PREDAVANJA ODRANIH 22.12. 2011. godine.

65. Kako izgleda matrica eksperimenta sa tri varijable?

Kodirane vrijednosti faktora matrica plana

Broj
pokusa
Nj

X0

X1

X2

X3

X1
X2

+1

-1

-1

-1

+1

+1

+1

-1

y1

+1

+1

-1

-1

-1

-1

+1

+1

y2

+1

-1

+1

-1

-1

+1

-1

+1

y3

+1

+1

+1

-1

+1

-1

-1

-1

y4

+1

-1

-1

+1

+1

-1

-1

+1

y5

+1

+1

-1

+1

-1

+1

-1

-1

y6

+1

-1

+1

+1

-1

-1

+1

-1

y7

+1

+1

+1

+1

+1

+1

+1

+1

y8

Koef.
viestruke
regresije

b1

b2

b3

b0

b12

b13

b3

b123

Matematiki
model

X1 X3

X2 X3

X1 X2 X3

y = b0x0 + b1x1 +
b2x2 + b3x3
y = b0x0 + b1x1 + b2x2 + b3x3 + b12x1x2 + b13x1x3 + b23x2x3 +
b123x1x2x3

66. Prikazati grafiki i matrino funkciju Yj = Yj(X1, X2, X3)

ako se ponavljanje za procjenu greke eksperimenta izvodi u
baznoj taki (0,0) eksperimenta?

X0

X1

X2

X3

X1X2

X1X3

X2X3

X1X2X3

+1

-1

-1

-1

+1

+1

+1

-1

y1

2
3
4

+1
+1
+1

+1
-1
+1

-1
+1
+1

-1
-1
-1

-1
-1
+1

-1
+1
-1

+1
-1
-1

+1
+1
-1

y2
y3
y4

5
6
7
8
9
10
11
12

+1
+1
+1
+1
+1
+1
+1
+1

-1
+1
-1
+1
0
0
0
0

-1
+1
-1
+1
0
0
0
0

+1
+1
+1
+1
0
0
0
0

+1
-1
-1
+1
0
0
0
0

-1
+1
-1
+1
0
0
0
0

-1
-1
+1
+1
0
0
0
0

+1
-1
-1
+1
0
0
0
0

y5
y6
y7
y8
y9
y10
y11
y12

b0

b1

b2

b3

b12

b13

b23

b123

izlazaVektor
Yj

Kodirane vrijednosti faktora matrica plana

Matematiki
viestruke Koeficijenti
model
refresije

pokusa NjBroj

Za trofaktorni matematiki model (k=3) ortogonalna plan matrica je sastavljena od

N=2k+n=23+4=8+4=12 pokusa.
Matrica plana eksperimenta

y=
b0x0+b1x1+b2x2+b3x3
y= b0x0+b1x1+b2x2+b3x3+b12x1x2+b13x1x3+b23x2x3+b123x1x2x3

67. ta treba provjeriti da bi odreeni matematiki model bio

prihvatljiv?
Da bi odreeni matematiki model bio prihvaen mora se provjeriti signifikantnost njegovih
koeficijenata i adekvatnost samog modela. Prilikom provjere signifikantnosti koeficijenata
polinoma, svi faktori Xi uz koje se nalaze nesignifikantni koeficijenti se iskljuuju iz modela.
Signifikantnost se provjerava na osnovu kriterija Studenta (t-test) ili Fishera (F-test).
Adekvatnost se provjerava testom Fishera.

68. Koje su osobine ortogonalnih planova?

Ortogonalni planovi moraju zadovoljiti sljedee uvjete:
- Uvjet simetrinosti prema kojem su sve nezavisno promjenjive veliine simetrino
rasporeene u odnosu na centar eksperimenta:
N

X ij=0, za i=1,2, , k
j=1

Uvjet normativnosti prema kojem je suma kvadrata elemenata za sve stupce

X ij
matrice
jednaka broju pokusa N.

X ij2=N , za i=1,2, , k
j=1

Uvjet ortogonalnosti

X ij X mj=0, za i , m=1,2, ,k
j=1

69. Koja je karakteristika ortogonalnih u odnosu na druge

planove?
Ortogonalni planovi u odnosu na druge planove imaju sljedea obiljeja:
- raspored eksperimentalnih taaka u eksperimentalnom prostoru je optimalan,
- broj eksperimentalnih taaka je minimalan, to daje manje trokove i krae vrijeme
ispitivanja,
- koliina dobivenih informacija je maksimalna,
- matematika obrada eksperimentalnih rezultata je jednostavna.

70. Kako se ispituje znaajnost koeficijenata modela?

a) Ponavljanje pokusa u centralnoj taki plana
Za ispitivanje znaajnosti koeficijenata modela se koriste kriteriji Studenta (t-test) i Fishera
(F-test).

F-kriterij je odreen uvjetom:

2
Sbi
Fri = 2 F t (f , f )=F t (1,f ) za i=0,1,2, , k
S0
bi

Procjena greke koeficijenata modela:

N b02 2 ( N n0 )b i2
S b 0 2=
S =
, za i=0,1,2, ,k
f b 0 bi
f bi
Stepen slobode koeficijenata je
F r 0=

f b 0=f b 1==f bi ==f bk =1

, pa slijedi:

N b 02
( N n0 ) bi2
F
=
, za i=1,2, , k
ri
S 02
S 02

Procjena greke u centralnoj taki plana eksperimenta se dobije iz izraza:

n0

( y 0 j y0 )2

S 02= j=1

f0

gdje je:
f 0=n0 1

stepen slobode u centralnoj taki plana,

n0

y0 j

y 0= j=1
n0
y0 j

aritmetika sredina rezultata mjerenja eksperimentalnih vrijednosti

u nultoj taki plana.

Prema odreenim stepenima slobode,

f bi =1

f 2=f 0

, kao i na osnovu odabranog praga

znaajnosti ( =1P , gdje je P pouzdanost modela), odredi se veliina

Ft (f , f ) =Ft (1,f )
Fri
, te uporedi sa
.
bi

Drugi nain provjere signifikantnosti koeficijenata modela je Studentov t-kriterij.

Opi uvjet glasi:
S
|bi| b i= t(f , ) N0

ili:

|b 0| b 0= t (f , )
0

S0

|bi| b i= t ( f , )
0

S0
, za i=1,2, ,k
Nn 0

|b | b = t(f , )
0

gdje je:
-

t( f

bi

S0
, za 1 i< m k
Nn 0

tablina vrijednost za stepen slobode

, )

f0

i odabrani prag znaajnosti

podruje pouzdanosti koeficijenata modela ili greka u ocjeni koeficijenata

b) Ponavljanje jednog broja pokusa

Provjera signifikantnosti koeficijenata modela s ponavljanjem jednog broja pokusa se
odreuje prema t-kriteriju Studenta.
Provjerava se uvjet:
|b i| |bi| Nn
t ri= =
t t ( f , ) za i=0,1,2, , k
S bi
Sy
y

ili

|bi| b i= tt (f

y , )

Sbi =t t (f

y , )

Sy
za i=0,1,2, , k
Nn

Varijanca greke se dobija prema izrazu:

N

( y ji y j )2

S y 2= j=1
S bi 2=

i=1

fy

ili

S y2
za i=0,1,2, , k
Nn

gdje je:
N

f y = ( n j 1)=N (n1) ukupni stupanj slobode

j=1

nj

broj ponavljanja pokusa u j-tom redu matrice, kada je isti broj ponavljanja

n=n j

71. Kako se ispituje adekvatnost modela?

a) Ponavljanje pokusa u centralnoj taki plana
U opem sluaju, adekvatnost modela se provjerava usporedbom eksperimentalno dobivenih
E
R
vrijednosti y j i vrijednosti izraunatih iz modela y j . Uvjet adekvatnosti je odreen
Fkriterijem:
-

2
2
ako je S a >S 0 :

S a2
Fa = 2 F t ( f 1 , f 2 )=F t ( f a , f 0 )
S0
-

2
2
ako je S 0 >S a :
2

S
Fa = 02 F t ( f 1 , f 2 )=F t ( f 0 , f a )
Sa

Ako se dobije da je

Fa < F t

, tada matematiki model adekvatno opisuje analizirani obradni

proces.
Disperzija adekvatnosti se odreuje iz izraza:
N

n0

( y Ej y Rj ) ( y 0 j y 0 )2

S a2= j=1

j=1

fa

ili
N

y j2 S bi2S 0

S a2= j=1

gdje je:

i=1

fa

f a=Nk1f 0

yj

S bi 2=S b 02 +S b 12+ S b 22+ =N b 02+ ( N n0 ) (b12 +b22 +) suma kvadrata

broj stepeni slobode koji se odnosi na disperziju adekvatnosti

izraunata vrijednost iz formiranog matematikog modela,

koeficijenata
-

n0

S 0 = ( y 0 j y 0)2 suma kvadrata, odnosno greka pokusa

j=1

Ft ( f 1 , f 2 )

tablina vrijednost F-razdiobe za odreenu vrijednost greke

=1P

S a2 >S 02 , tada je

ako je

S 0 >S a

o ako je

, tada je

f 1 =f a i f 2=f 0
f 1 =f 0

i f 2=f a

b) Ponavljanje jednog broja pokusa

Adekvatnost modela je odreena F-kriterijem:
2
2
- ako je S a >S y :
2

Fa =

Sa
F t ( f 1 , f 2) =F t ( f a , f y )
2
Sy
2
2
ako je S y >S a :

Fa =

Sy
F t ( f 1 , f 2) =F t ( f y , f a )
2
Sa

Vrijednost disperzije adekvatnosti odreuje se prema izrazu:

N

n ( y Ej y Rj )

S a2= j=1
gdje je:
-

fa

f a=Nk1
N

stepen slobode koji se odnosi na disperziju adekvatnosti

( y ji y j )2

S y 2= j=1

i=1

fy

varijanca greke pokusa,

f y = ( n j1 ) =N (n1) ukupan stepen slobode

j=1

nj

broj ponavljanja pokusa u j-tom redu matrice, kada je isti broj ponavljanja

n=n j

72. Koji je najznaajniji kriterij za izbor matematikog modela

i kako se primjenjuje?

Najznaajniji kriterij za izbor matematikog modela je koeficijent viestruke regresije. Kada

dva ili vie modela dobro opisuju proces, odluka o najboljem modelu se donosi na osnovu
vrijednosti koeficijenta viestruke regresije. Ovaj koeficijent je dodatni pokazatelj za ocjenu
adekvatnosti modela. Ovo posebno vai kod pokusa kod kojih je rasipanje rezultata pokusa u
centralnoj taki plana razmjerno veliko ili razmjerno malo, pa se na temelju F-testa ne moe
donijeti valjana odluka o adekvatnosti modela.

a) Ponavljanje u centralnoj taki pokusa

Za ispitivanje veze izmeu zavisno promjenjivih veliina
Xi

veliina

Yj

i nezavisno promjenjivih

se koristi koeficijent viestruke regresije:

( y Ej y Rj )

R= 1 j=1
N

( y Ej y E )
j=1

gdje je:
-

y Ej

vrijednosti eksperimentalnih rezultata

y Rj

izraunate vrijednosti iz dobivenih modela

N

y Ej

aritmetika sredina svih eksperimentalnih rezultata

y E = j=1
N

Vrijednost ovog koeficijenta se uvijek nalazi u granicama 0 R 1 . Ako je R=1, onda

model u potpunosti opisuje rezultate eksperimenta, a ako je R=0, onda izmeu varijabli
i

Xi

ne postoji nikakva meusobna povezanost. Kvadrirana vrijednost

kvalitetu i pouzdanost modela. Ako je

pripisuje djelovanju varijable

Xi

2
R =0.965 , to znai da se 96,5

b) Ponavljanje jednakog broja pokusa

Koeficijent viestruke regresije se rauna prema izrazu:

R= 1

( y Ej y Rj )
j=1
N

( y Ej y E )
j=1

R2 odreuje
varijabiliteta

Yj

gdje su:
n

E
j

y j =y =

i =1

y ji

nj

y ji

aritmetika sredina vrijednosti eksperimentalnih

= i=1
n

rezultata u j-toj taki plana pokusa, odnosno u j-tom redu matrice

N

y Ej

- aritmetika sredina svih eksperimentalnih rezultata pokusa

y E = j=1
n

73. Kako se odreuje podruje pouzdanosti modela?

ZA PONAVLJANJE POKUSA U CENTRALNOJ TAKI PLANA:
Podruje pouzdanosti modela odredi se opim izrazom:

bi bi
b0 t t

bi bi

bi'

S0

bi' b0 t t

; i = 0,1,2,...,k
S0

ili

N
odnosno

bi t t

S0
N n0

bi' bi t t

S0
N n0

; i = 0,1,2,...,k
'
0

gdje su:

'
i

b ,b

- nepoznati keoficijenti poetnog modela, koji aproksimira konani model, odnosno

b0' b0
bi' bi
0
koeficijenti aproksimiranog modela (
, odnosno
kada greka mjerenja
)
IZVOR: Knjiga Jurkovia str. 94 i 95
ZA PONAVLJANJE JEDNAKOG BROJA POKUSA:
Izraunavanje podruja pouzdanosti modela:

bi bi
b0 t t

bi bi

bi'

Sy

Nn

bi' b0 t t

; i = 0,1,2,...,k
Sy

ili

Nn
gdje je:

t t ( f y , )
- tablina vrijednost t-kriterija
IZVOR: Knjiga Jurkovia str. 97

74. ta je koeficijent determinacije i ta opisuje?

Koeficijent determinacije

R2 odreuje kvalitetu i pouzdanost modela. Koeficijent

determinacije oznaava se sa R = r2, gdje je R pokazatelj zajednikih faktora - udjela kod dva
obiljeja X i Y koja su ukljuena u korelacijsku analizu. Npr. r = 0,32= 0,09 = R, ili npr.
r = 0,62= 0,36 = Rkoeficijent determinacije. to je korelacija manja npr. 0,3 koeficijent
determinacije je znaajno manji nego kad je korelacija vea npr. 0,6 ( R = 9%, odnosno
2
36% ). Ako je R =0,965 , to znai da se 96,5% varijabiliteta pripisuje djelovanju varijabli
Xi.

75. Koji su potrebni podaci za odreivanje adekvatnosti

modela?
Podaci koji su potrebni za odreivanje adekvatnosti modela su izraunata vrijednost iz
R
formiranog matematikog modela, odnosno y j i vrijdnost koja je dobivena
eksperimentalno, odnosno

y Ej . Dakle, u opem sluaju adekvatnost modela se provjerava

usporedbom eksperimentalno dobivenih vrijednosti

yj

i vrijednosti izraunatih iz modela

y Rj .

76. Kakve su parcijalne ortogonalne matrice i to se s njima

postie?
Primjenom nepotpunog ortogonalnog plana (NFE) mogue je smanjiti broj potrebnih pokusa
u potpunom planu prvog reda, a da se pri tome zadre svojstva ortogonalnosti i normalnosti
2k
matrice plana. Rastavljanjem potpunog plana
na paran broj blokova pokusa n=2, n=4 ili
n=8 dobiju se parcijalni ortogonalni planovi prvog reda, tako da je broj eksperimenta taaka:
N

1 k
2
n

77. Kako se formira parcijalna matrica 2^(k-1) ?

k1
k1
Postupak formiranja parcijalne matrice 2
poinje s potpunim planom 2
, dakle, ako
2
je k=3, poinjemo s potpunim planom 2 . Poto je k=3, potrebna su nam 3 faktora, ali u
2
2
planu 2 imamo samo 2. Stoga se uvodi smjena jedne od kolona plana 2 . Obino se

odabire neki od meusobnih interakcija glavnih faktora.

Nj
x1
x2
x1 x2

yj

-1

-1

y1

-1

-1

y2

-1

-1

y3

y4

U ovom sluaju, smjena e biti

x 3=x 1 x 2

Novi plan koji je parcijalni faktorni plan glasi:

Nj
x1
x2
1
2
3
4

-1
-1
1
1

x 3=x 1 x 2

Odnos

pomnoimo s

x 3=

, mada je takoer mogla i biti

-1
1
-1
1

x1 x2

x3
1
-1
-1
1

predstavlja generator plana. Kontrast J=1 se dobije kada odnos

x3

(jer je

x 3x 3=1

), gdje emo dobiti J=1=

x1 x2 x3

78. Koja je metodologija formiranja parcijalnog ortogonalnog

plana?
Metodologija formiranja parcijalnog ortogonalnog plana sastoji se u definiranju generirajuih
odnosa, tako se za plan 23-1 mogu napisati dva mogua odnosa:
x 3=x 1 x 2
x 3=x1 x2
i
.
Mnoenjem sa

x3

dobiva se:

x 32 =x1 x 2 x 3 .
x 3=1

Kako je

, to je

x 32 =1 , te je 1=x 1 x 2 x 3 , odnosno 1=x 1 x2 x 3 .

ova veliina se definira kao kontrast koji odreuje dvojnost efekta, odnosno njihovu
x1
povezanost. Tako se mnoenjem prethodne jednaine s
dobiva:
2

x 1=x1 x 2 x 3=x 2 x 3 ,
to znai da je utjecaj od
vrijednost J=1.
Takoer vai:
X 1=X 2 X 3
X 2=X 1 X 3
X 3=X 1 X 3

x1

povezan s utjecajem

b1 1 23

b2 2 13
b3 3 12

x2 x3

itd. Kontrast uvijek ima

79. Treba prikazati matricu parcijalnog plana za sluaj da je

PFP: N = 2^6, dok je NFP(parcijalni ili nepotpuni plan)
N=2^(k-p), gdje je p = 3.
Poinjemo od potpunog plana eksperimenta za 3 varijable, s 23 eksperimenata:
Nj
X0
X1
X2
X3
X1 X2
X1 X3
X2 X3
1
2
3
4
5
6
7
8

1
1
1
1
1
1
1
1

-1
1
-1
1
-1
1
-1
1

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

1
-1
-1
1
1
-1
-1
1

1
-1
1
-1
-1
1
-1
1

1
1
-1
-1
-1
-1
1
1

X1 X2 X3
-1
1
1
-1
1
-1
-1
1

U ovom sluaju imamo 3 varijable, a treba nam 6, te stoga moramo dodati 3 nove varijable.
Nove varijable postaju kolone u kojima su odnosi vie varijabli. U ovom sluaju,
X 4 =X 1 X 2
X 5= X 1 X 3
X 6 =X 2 X 3
stavit emo da je
,
i
. Ovo su generatori plana.
Pored ovih generatora su se mogli iskoristiti i negirane vrijednosti, dakle,
X 5=X 1 X 3

X 6= X 2 X 3

1
1
1
1
1
1
1
1

-1
1
-1
1
-1
1
-1
1

Novi plan eksperimenta(samo glavne varijable) izgleda ovako:

Nj
X0
X1
X2
X3
X4
1
2
3
4
5
6
7
8

X 4 =X 1 X 2

-1
-1
1
1
-1
-1
1
1

-1
-1
-1
-1
1
1
1
1

1
-1
-1
1
1
-1
-1
1

X5
1
-1
1
-1
-1
1
-1
1

X6
1
1
-1
-1
-1
-1
1
1

Ne znam treba li ova daljnja analiza, al' neka ima ako zatreba.
Cijena voenja eksperimenta po parcijalnom planu je nemogunost razlikovanja efekata dvaju
X1
X3 X4
ili vie varijabli. Naprimjer, efekat varijable
moe biti spojen s efektom
.
Stoga se mora izvesti analiza tih veza.

Generatori gornje matrice su:

X 4 =X 1 X 2

X 5= X 1 X 3

X 6 =X 2 X 3

. Iz njih se

dobijaju kontrasti J.
X 4 =X 1 X 2 / X 4
X 4 X 4 =X 1 X 2 X 4

Kvadrat svake varijable je 1, dakle

X 4 X 4 =X 42=1 .

J =1=X 1 X 2 X 4
J = X1 X 3 X5
J = X2 X 3 X 6
Poto imamo 3 generatora, moramo izvriti njihovu kombinaciju mnoenjem i tako dobiti
grupu konanih kontrasta:
J = X 1 X 2 X 4=X 1 X 3 X 5 =X 2 X 3 X 6= X 2 X 3 X 4 X 5= X 1 X 3 X 4 X 6= X 1 X 2 X 5 X 6 =X 4 X 5 X 6
Na osnovu kontrasta moemo odrediti koji efekti odreuju vrijednost pojedinanih
koefijenata.

Gornji plan eksperimenta s osnovnim/glavnim efektima i meusobnim vezama izgleda ovako:

N j X 0 X 1 X 2 X 3 X 4 X 5 X 6 X 1 X 2 X 1 X 3 X 1 X 4 X 1 X 5 X 1 X 6 X 2 X 3 X 2 X 4 X 2 X 5 X 2 X 6 X 3 X 4 X 3 X 5 X 3 X 6 X 4 X 5X 4 X 6X 5 X 6 X 1 X 2 XX31 X 2 XX41 X 2 XX51 X ...
2 X6
1

1
1

1
1

1
1

1
1
1
1
1
1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

1
1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

1
1
1
1
1

1
1
1
1
1
1

1
1
1
1

Svaka od ovih kolona bi se trebala izraziti na osnovu kontrasta. Postupak se sastoji u mnoenju kontrasta s kolonom.
J = X 1 X 2 X 4=X 1 X 3 X 5 =X 2 X 3 X 6= X 2 X 3 X 4 X 5= X 1 X 3 X 4 X 6= X 1 X 2 X 5 X 6 =X 4 X 5 X 6
Npr. za

X1

, mnoimo konstraste J =1= s

X1 .

X 1= X 2 X 4= X 3 X 5=X 1 X 2 X 3 X 6 =X 1 X 2 X 3 X 4 X 5= X 3 X 4 X 6 =X 2 X 5 X 6= X 1 X 4 X 5 X 6
Prema ovome uz

X1

bi trebao biti sljedei koeficijent:

b1 1 + 24+ 35 + 1236 + 12345 + 346 + 256 + 1456

Vidimo da je on isprepleten s koeficijentima vieg reda. Tako bi se trebali prei sve kolone gornje tabele, s tim da se analizom jedne kolone,
X1
automatski analiziraju i druge kolone. Npr., gornjom analizom za
smo pokrili i kolone

Dalje eljene kombinacije ovih 6

varijabli

X2 X4 , X3 X5 , X1 X2 X3 X6 , X1 X2 X3 X4 X5, X3 X 4 X6 , X2 X 5 X 6, X1 X 4 X5 X 6
od 3 varijable) odbacuju kao vrlo mali.

. Obino se koeficijenti koji idu uz faktore vieg reda (umnoak vie

80. Kada se sve uvode varijable vieg reda?

Model viega reda se koriste kada je poznato da istraivani problem nee moi biti
y= y ( x ) ili kada dobiveni linearni model ne
predstavljen linearnom funkcijom
zadovoljava provjeru adekvatnosti, odnosno kada je potrebna vea tanost matematikog
modela istraivanog procesa. Tada se uvode varijable vieg reda suglasno stepenu
zakrivljenosti povrine funkcije reagiranja i razvija se optimalna struktura plana vieg reda.

81. ta je znaajno za faktorne planove drugog reda?

Izbor optimalnih planova pri definiranju modela drugog reda znatno je sloeniji nego kod
linearnih modela. Ovi planovi ne odgovaraju vanim kriterijima optimalnosti. Ako se ispuni
uvjet ortogonalnosti kod planova drugog reda se istovremeno naruavaju naela normalnosti i
rotatabilnosti. Za planove drugog reda kriterij rotatabilnosti je vie znaajan jer doputa
minimiziranje sistemske greke koja je vezana za neadekvatno predstavljanje rezultata
eksperimenta modelima drugog reda.
Ipak, u svakom konkretnom sluaju treba uzeti u obzir stvarne uvjete procesa i na osnovu njih
definirati kriterij optimalnosti i izabrati odgovarajui plan pokusa.

82. Kako izgleda matrica i model drugoga reda za k=2?

Nj

X1

X2

X 12

X1 X2

yj

X 22

-1

-1

y1

-1

-1

y2

-1

-1

y3

y4

y5

y6

y7

y8

y9

83. Kakva je povezanost izmeu planova i modela prvog i

drugog reda?
Modeli drugog reda sadre bazni 2k dio eksperimetnta koji se koristi i kod linearnog modela,
ali s tim da se na osnovni dio plana dodaju nove take koje su simetrino postavljenje oko
centra eksperimenta.
Izmeu planova prvog i drugog reda postoji odreena veza, koja se moe iskazati injenicom
da se planovi drugog reda nadograuju na planove prvog reda, tako da se ve postojei skup
taaka iz plana prvog reda koristi u planu drugog reda. Dakle, ako matematiki model prvog
reda od 2k ne zadovoljava, koriste se dodatni pokusi na novim nivoima koji e se iskoristiti za
izraunavanje utjecaja drugog reda.

84. Obrazloiti ukupan broj pokusa N = ? za rotatabilni plan

koji ma k = 3 varijable.
k
n =2 k
Rotatabilni plan sadri bazni dio plana 2 , simetrino postavljene take

ponavljanja u centru plana

n0

n0

i take

. Vrijednost broja ponavljanja u centralnoj taki eksperimenta

se isitava iz tabele parametara za rotatabilne planove. Za k=3,

n0

moe imati

vrijednost 6 ili 9. Dakle, ukupan broj pokusa N za rotabilni plan s k=3 varijable iznosi:
N=2 k + n + n0=2 k +2 k + n0=23 +23+n0

Za

n0=6

N=8+ 6+6=20 , dok je za n0=9 , broj taaka iznosi:

N=8+ 6+9=23 .

85. Koja je osnovna osobina modeliranja pomou centralnog

kompozicijskog plana?
Osnovna osobina modeliranja pomou centralnog kompozicijskog plana je to faktori imaju
samo dva nivoa, tako da se lako nastavljaju na linearni model. Ukupan je broj potrebnih

pokusa
n0=1

N=2 +2 k + n0 . Dakle, za k=2 faktora plan ima

podudara se potpunim faktornim planom

N=2 +2 k + n0 pokusa i za

N=3 2 s jednom centralnom takom.

Svi ovi planovi imaju osnovu plana 2k, osim za k=5, gdje je osnova plana polublok 25, tj. plan
x 5=x 1 x 2 x 3 x 4 .
se dobiva iz 24 uz dodavanje stupaca

86. Prikazati geometrijsku interpretaciju centralnog

kompozicijskog plana?

Ovo je geometrijski prikaz centralnog kompozicijskog plana drugog reda za k=2 faktora.

87. Prikazati matricu centralnog kompozicijskog plana

drugog reda, ako je Yj = Yj(X1,X2).
Ako je N= 2k+2k+n0; sljedi da je N=9, jer je k=2, a n0=1.
Nj

X0

X1

X2

X1X2

X12

X22

yj

y1

-1

-1

y2

-1

-1

y3

-1

-1

y4

y5

y6

y7

y8

y9

88. Prikazati matricu centralnog kompozicijskog plana za

k=3 i n0 = 1.
Budui da je N= 2k+2k+n0 , N=15
Nj X0 X1 X2 X3
X1X2 X1X3 X2X3 X12 X22 X32 yj
1
1
1
1
1
1
1
1
1
1
1
y1
2
1 -1
1
1
-1
-1
1
1
1
1
y2
3
1
1 -1
1
-1
1
-1
1
1
1
y3
4
1 -1 -1
1
1
-1
-1
1
1
1
y4
5
1
1
1
-1
1
-1
-1
1
1
1
y5
6
1 -1
1
-1
-1
1
-1
1
1
1
y6
7
1
1 -1
-1
-1
-1
1
1
1
1
y7
8
1 -1 -1
-1
1
1
1
1
1
1
y8
9
1

0
0
0
0
0
2
0
0
y9
2
10
1 -
0
0
0
0
0

0
0 Y10
11
1
0

0
0
0
0
0
2
0 Y11
2
12
1
0 -
0
0
0
0
0

0 Y12
13
1
0
0

0
0
0
0
0
2 Y13
14
1
0
0
-
0
0
0
0
0
2 Y14
15
1
0
0
0
0
0
0
0
0
0 Y15
Prikazana matrica plana nije ortogonalna, jer je:
N

X0j X
j=1

2
ij

0 i X ij X mj 0(i<m, i , m=1,2, , k )
2

j=1

Str 123

89. ta znai veliina u centralnom kompozicijskom planu

modeliranja?
Veliina , u centralnom kompozicijskom planu modeliranja, znai simetrine take. Kod tih
taaka su u tablicama nulte take, zbog matrice, kada se pomou i 2 matrica proiruje. Kod
interakcija nema (kod npr. X1X2 u tablici), ali se 2 javlja kod kvadrata (npr. X12).

90. ta je rotatabilni plan modeliranja i ta mu je bazni dio

plana?
Rotatabilni plan je specijalni oblik centralnog kompozicijskog plana koji se vrlo esto
primjenjuje u modeliranju i adaptivnom upravljanju u procesima s vie varijabli.
Ovi planovi pored aplikativnih osobina imaju i svojstva optimalnosti, tako da su pogodni za
optimizaciju obradnih procesa, sistema, alata, itd.
k

Ovaj plan, kao i centralni kompozicijski plan, sadri bazni dio plana 2
postavljene take

oko centra plana i take ponavljanja

n0

, simetrino

u centru plana.

91. ime su odreeni rotatabilni planovi?

Rotatabilni planovi matematiki su odreeni sljedeim vrijednostima:
Uvjet rotatabilnosti:
4=3 3
odnosno:
N

N 3= x 2ij x 2mj=2 k p
j=1
N

N 4 = x ij =2
4

k p

+2

j=1

2k p +2 2=3 ( 2k p ) ,

4=2 kp

ili =2

k p
4

Iz uvjeta rotatabilnosti dobijaju se koordinate toaka na centralnim osama.

92. ta je polazite (od ega se polazi) kod rotatabilnih

planova za odreivanje veliina: , p, N i n0?
Ukupan broj pokusa N i n0 ovisi o broju varijabli k, veliine i veliine p, (p=0,1,2).
kp
Broj pokusa iznosi: N=2 +2 k +n0=n k +n +n0
Parametar p odreuje da li radimo s potpunim ili parcijalnim faktornim planom.
Parametar se odreuje iz jednakosti:
4=2 kp
Za lake pronalaenje vrijednosti N, n0 i koristi se tabela u kojoj za odreenu vrijednost k i
4
a
p se moe nai pripadajua vrijednost N, n0 i , kao i parametara
i i koji slue za
izraun koeficijanata modela regresije

b0 , bi , b , bii

93. Prikazati grafik i matricu rotatabilnog plana za k=2 i n0 =

1.

Ne postoji rotatabilni plan za k = 2 i n0=1, stoga dajem grafik i matricu rotatabilnog plana za
kp
k = 2 i n0=5. Ukupan broj pokusa: N=2 +2 k + n0=n k + n +n0 =4+ 4+ 5=13

1 Matrica eksperimenta
Nj
X0
X1

X 21

X2

X 22

X1 X2

Yj

-1

-1

Y1

-1

-1

Y2

-1

-1

Y3

Y4

Y5

Y6

Y7

Y8

Y9

10

1.414

2.0

Y 10

11

-1.414

2.0

Y 11

12

1.414

2.0

Y 12

13

-1.414

2.0

Y 13

1 Grafik plana

94. Koja je glavna razlika u odreivanju koeficijenata

polinoma rotatabilnog plana i ostalih planova modeliranja?

Odreivanjem koeficijenata modela dobiva se podatak o utjecaju parametara Xi na izlaznu

veinu Y razmatranog procesa.

Kod ortogonalnih viefaktornih planova dobije se dijagonalna matrica gdje su svi regresijski
koeficienti nezavisni jedan od drugoga.

Za odreivanje koeficienta modela regresije koristimo sljedee izraze:

b0

a1

Y j
j=1

a2

X 2ij
i=1 j=1

Yj

bi

a3

a4

a5

X ij Y j
j=1

X ij X mj Y j
j=1

bii

, i=1,2,3,...

X ij Y j
j=1

, 1 i < m k

X ij Y j +a 7 Y j i=1,2,3,...
+ a6
i=1 j=1
j=1

Jedna od razlika je parametar

ai

koji ovisi o broju variabli k i broju ponavljanja pokusa

n0

Str 77-78, 90,132

95. Grafiki prikazati rotatabilni plan za varijable X1 i X2.

96. Kako se provjerava signifikantnost koeficijenata bi bim

bii matematikog modela rotatabilnog plana?
Provjera signifikantnosti koeficijenata bi, bim, bii se vri prema t-kriteriju Studenta.
bi
Izraunavaju se greke u ocjeni koeficjenata i,
, te se provjerava da li koeficijenti
pripadaju podruju pouzdanosti:
bi bi i b i+ bi
Dakle, koeficijent je signifikantan ako je zadovoljen uvjet:

|bi| b i= tt (f , ) a ij S y
odnosno:

|b 0| b 0= t t (f , ) a11 S y
|bi| b i= tt (f , ) a 12 S y zai=1,2,3, , k

|b | b = tt (f , ) a13 S y 1 i<m k
|bii| bii = tt (f , ) a14 S y
gdje je:

S y =S0

priblina vrijednost greke pokusa,

aii , aij

dijagonalni i nedijagonalni elementi korelacijske matrice ili matrice

greaka
( X ' X )1 , koji se odrede iz tablice 4.18, tablice parametara za rotatabilne
planove
tt - tablina vrijednost t-kriterija Studenta

97. Kako se provjerava adekvatnost matematikog modela

rotatabilnog plana?
Adekvatnost matematikog modela prema F- kriteriju Fishera odreena je uvjetom:

Fa=

Sa
So
Ft ( fa, fo ) ili Fa=
Ft ( fo , fa ) .
So
Sa

Za ocjenu adekvatnosti uzima se prema prethodnom izrazu vea izraunata vrijednost Fa.
Vrijednost Ft(fa, fo) odredi se iz tablice F kriterija za stupnjeve sobode fa i fo ili fo i fa.
2

Disperzija S a odredi se prema izrazu:

N

no

( y Ej y Rj ) ( yoj y o)

S 2a= j=1

j=1

fa

Stupanj slobode se u ovom sluaju odredi prema:

fa= N 0,5 (k+2) (k+1) f0

(Fornula 4.155)

Vrijednost fa moe se odrediti i prema izrazu:

fa = N - f0 - k,
gdje je:

(Formula 4.156)

k - broj signifikantnih koeficijenata dobivenog modela, odnosno broj

koeficijenata u modelu po kojem se izraunava vrijednost

y Rj .

Dakako, obino su vrijednosti fa izraunate prema izrazima (4.155) i (4.156) razliite.

98. Kako se ispituje adekvatnost matematikog modela

(prikazati mogua rjeenja)?
Za ispitivanje adekvatnosti matematikog modela potrebno je izvesti disperzijsku analizu, to
zahtijeva ponavljanje pokusa mjerenja u pojedinim takama plana. Ponavljanje se pokusa
izvodi po odreenom sistemu, tako da moe biti:

Ponavljanje pokusa samo u centralnoj taki ortogonalnog plana (n0),

Strana 93.u knjizi]

Ponavljanje jednakog broja pokusa u svakoj taki ortogonalnog plana

(n1 = n2 = n2 = ... = nN)
[Opirnije-Strana 97.u knjizi]

Ponavljanje razliitog broja pokusa (n1 n2 n3 ... nN) u takama ortogonalnog plana

[Opirnije-

99. Kada i gdje se koriste rotatabilni matematiki planovi

drugog reda?
Rotatabilni plan je specijalni oblik centralnog kompozicijskog plana koji se vrlo esto
primjenjuje u modeliranju i adaptivnom upravljanju u procesima s vie varijabli. Ovi planovi
pored aplikativnih osobina imaju i svojstva optimalnosti, tako da su pogodni za optimizaciju
obradnih procesa, sistema, alata, itd.

100. Na emu se zasniva teorija dimenzionalnosti?

Teorija dimenzionalnosti se zasnima na Buckinghamovoj teoremi, gdje svaka jednaina koja
opisuje neko fizikalno stanje mora biti dimenzionalno homogena, tako da se on za jednu
pojavu moe napisati u obliku:
f (P, R, X, Y) = 0,
odnosno pomou model polinomskog tipa:
n

P= C R X Y =C
1

R a 1 X b 1 Y g 1 + C2 R a 2 X b 2 Y g 2 +

101. Koji je postupak odreivanja dimenzionalnih grupa?

Dimenzionalna homogenost za prvi lan ima oblik:
P=C

Ra X b Y g .

Ako je broj jednadbi vei ili jednak broju nepoznatih eksponenata dobiju se rjeenja:
a = , b = , g = ,
odnosno

P=C

R X Y .

Meutim, ako je broj nepoznatih eksponenata vei od broja jednadbi, tada se dvije nepoznate
izraze treom:
a = 1+1 g,

b = 2+2 g,

te je

P=C

1+ 1 g

2+ 2 g

102. Kako se odreuju bezdimenzionalne grupe kod

modeliranja primjenom teorije dimenzionalnosti (postupak
procedura)?
1. Sastavi se pregled svih utjecajnih parametara (x1, x2, ..., xn) na proces ili sistem. Ako se
ukljue parametri koji nemaju utjecaj na proces dimenzionalna analiza e pokazati da oni ne
spadaju ni u jednu niti u vie dimenzionalnih grupa ili e eksperiment pokazati da su
parametri sluajni. Neka su parametri: F, v, , V, , tj. n=5.
2. Izabere se odnovni mjerni sistem fizikalnih veliina: M (masa), L (duina), i T (vrijeme).
Tako e biti:
za brzinu

v=

s L
1
1
= =LT [ms ]
,
t T

za silu

F=

ML
T2

za volumen

V = LLL =

za gustou

= ML T
L3

[kgm s

],

3
[ m ],

M L3 [kg m3 ] , itd.

2
3. Izvri se izbor dimenzija nezavisnih parametara, npr. sila F ( ML T
), brzina v (

LT

), naprezanje (

ML T

), volumen V (

), gustoa (

ML

).

4. Izaberu se ponavljajui parametri m = 3, tako da ovaj broj mora biti jednak broju dimenzija
r, koji izmeu sebe ne mogu dati dimenzionalnu grupu, npr. F, , V.
5. Odredi se broj bezdimenzionalnih grupa n m = 2 i postavi se dimenzionalna jednaina
kombiniranjem parametara izabranih u etvrtom koraku.
6. Provjeri se je li svaka dobivena grupa bezdimenzionalna.

103. Koji su osnovni mjerni sistemi fizikalnih veliina koji se

koriste u dimenzionalnom modeliranju?
Osnovni mjerni sistemi fizikalnih veliina koji se koriste u dimenzionalnom modeliranju su :
M (masa), L (duina) i T (vrijeme) pa je :

za brizinu

s
L

LT 1 ms 1
t
T

za silu

ML
MLT 2 kgms2 ,
T2

V LLL L3 ms 3
za volumen

ML1 ms 3
za gustou

itd.

104. Prikazati strukturnu vezu ulaznih i izlaznih veliina kod

dimenzionalnog modeliranja.
Plastino teenje metala u procesu valjanja ovisi od niza utjecajnih faktora, to se pomou
pokazatelja irenja Kbfmoe predstaviti strukturnom vezom ulazno izlaznih veliina, pri
emu je:
Kbf =f ( P1, P2, P3, ..., Pn), odnosno
K =f ( d, h , l, D (R), h, , , v , T, , m, S, ).
bf

ij

d
h1
l
D (R)

Kb

s
v1
T

m
S
Ij

Povratna veza

Slika: Strukturna veza ulazno izlaznih veliina

Promjer obratka d, izlazna debljina valjanog komada h1, kontaktna duina l, promjer valjaka
D idreuju zonu deformacije. Mehanike karakteristike m i kemijski sastav S definiraju
osnovni materijal, dok apsolutna deformacija h, relativni stupanj deformacije , srednja
brzina deformacije s, brzina valjanja v1 i temperatura T odreuju termomehanike faktore koji
detaljnije opisuju tehnoloki proces plastine obrade. Parametri i
odreuju stanje
ij

na kontaktnoj povrini i napregnuto stanje u radnoj zoni obratka.

105. ta je rang matrice r =? kod dimenzionalnog

modeliranja?
Rang matrice r je minimalni broj varijabli ijim se jedinicama mogu izraziti jedinice svih n
varijabli, odnosno r je najvei broj dimenzionalnih varijabli od n koje izmeu sebe ne mogu
dati dimenzionalne grupe.
Kod primjera matematikog modela procesa plastinog teenja, rang matrice je dimenzije
r=2, tako da je broj nezavisnih grupa m=n-r=9-2=7.

106. Prikazati primjer odreivanja bezdimenzionalnih grupa i

kako se odreuju eksponenti ovih grupa.
K bf =f ( d , h , D , v 1 , s , 1 , 2, 3 , k ) .

Faktorski pokazatelj plastinog teenja:

=

h dh1
=
d
d

l= R h .
Pokazatelj plastinog teenja:
n

K bf = Ci d a he Dg v 1f si 1m 2 p 3s k u
i

Osnovne fizikalne veliine za masu M, duinu L i vrijeme T odreuju jedinicu brzine valjanja
1
1 2
v(LT1), brzinu deformacije s (T ) i komponenti glavnih naprezanja ( ML T ) .
Imajui u vidu Buckinghamov teorem da se svaka dimenzionalna homogena funkcija od ndimenzionalnih varijabli moe iskazati preko (n-r) bezdimenzionalnih grupa mogue je
postaviti dimenzionalnu matricu homogenog sistema jednadbi:
ai
ei
gi
fi
ii
mi
pi
si
ui
h
s
1
2
3
k
d
D
v1
M
L
T

0
1
0

0
1
0

Rang matrice: r=2

0
1
0

0
1
-1

0
0
-1

1
-1
-2

1
-1
-2

1
-1
-2

1
-1
-2

Broj nezavisnih grupa: m=n-r=9-2=7.

Homogeni sistem linearnih jednadbi:
M mi+ p i+ S i+u i=0.
Za
Za

L ai +e i + gi +f imi piSi ui=0.

Za

T f ii i2 mi2 p i2 S i2 ui=0.

Za
pi=S i ,

mi=ui ,

slijedi

odnosno

f i =i i

te je
ai=eigi f i =eig i+i i
tako je:
n

K bf = Ci d

ei gi +i i

K bf = Ci
1

Koeficijenti

ei

e
g
i
i
u
S
s
u
h D v 1 s 1 2 3 k
i

gi

s d
v1

ii

3
2

Si

k
1

ui

( )( ) ( )( ) ( )
h
d

D
d

e i , gi ,i i , S i , ui ,

odreuju se analitikim putem iz eksperimentalnih rezultata.

107. Znaaj i zato slue eksperimentalne metode?

Eksperimentalne metode se uglavnom razvijaju za rjeavanje nelinearnih problema u
mehanikim konstrukcijama. Eksperimentalne metode omoguuju analizu naprezanja,
deformacija, pomaka (izduenja) i sila optereenja u realnim uvjetima prakse, za razliku od
analitikih i numerikih metoda koje uvijek polaze od odgovarajuih pretpostavki i
aproksimacija to utjee na tonost i pouzdanost dobivenih rezultata. Eksperimentalne metode
omoguuju analizu konstrukcije po pitanju njene nosivosti, stabilnosti, lokalne koncentracije
naprezanja, mehanizma loma, napregnutih stanja, optimizacije oblika i utede materijala s
obzirom na stanje rasporeda deformacija i naprezanja.Eksperimentalne metode imaju posebno
znaenje u analizi sloenih problema kada su znatne tekoe u primjeni analitikih ili
numerikih metoda, to se obino javlja u konstrukcijama gdje su izraene koncentracije
naprezanja usljed zareza, djelovanja koncentriranih sila, ekstremne promjene geometrijskog
oblika elementa konstrukcije itd.

108. Klasfikacija eksperimentalnih metoda.

Vanije eksperimentalne metode su:
fotoelasticimetrija
tenzometrija
metoda krhkih lakova
optike metode: holografija,interferometrija ..
metoda analogije
metoda akustike emisije

 metoda rendgenskog zraenja.

109. Na emu se temelji metoda elektrootpornih mjernih

traka?
Metoda elektrootpornih mjernih traka temelji se na metodama eksperimentalne analize
naprezanja i deformacija, a gdje se dobije niz podataka bitnih za analizu konstrukcje,
tehnikog sistema ili bilo kojeg objekta izloenog djelovanju optereenja.

110. Gdje se primjenjuju metode eksperimentalne analize?

Metode eksperimentalne analize se primjenjuju na :
stvarnim realnim objektima ili sistemima,
modelima u laboratorijskim uvjetima i
kombinirano, ovisno o realnim mogunostima.

111. Kriteriji za izbor mjerne metode eksperimentalne

analize.
Eksperimentalne metode omoguuju analizu naprezanja, deformacija, pomaka (izduenja) i
sila optereenja u realnim uvjetima prakse, za razliku od analitikih i numerikih metoda
koje uvijek polaze od odgovarajuih pretpostavki i aproksimacija to utjee na tonost i
pouzdanost dobivenih rezultata. Dakako, usavrene su analitike i posebno numerike
metode, tako da su te razlike u odnosu na rezultate dobivene eksperimentom sve manje.
Meutim, eksperimentalne metode su nezamjenjive i to je sigurna dopunska mogunost da
se doe do pouzdanih podataka o stanju deformacija, naprezanja ili pomaka, koji su bitni
za cjelovitu analizu konstrukcije. Jedna od navedene tri veliine dobivene eksperimentalno
je dovoljna da se na temelju poznatih jednadbi iz Teorije elastinosti odrede ostale dvije
veliine, uz uvjet poznavanja mehanikih osobina materijala.
Eksperimentalne metode omoguuju analizu konstrukcije po pitanju njene nosivosti,
stabilnosti, lokalne koncentracije naprezanja, mehanizma loma, napregnutih stanja,
optimizacije oblika i utede materijala s obzirom na stanje rasporeda deformacija i
naprezanja.

112. Metodologija izrade plana i priprema ispitivanja.

Knjiga Elastostatika drugi dio strana 280, Slika 17.1.

113. Osnovni princip rada mjerne trake.

Elektrootporne mjerne trake rade na principu elektrinog otpora struje koja kroz njih
protie, gdje pod utjecajem sile, odnosno mehanikog optereenja, dolazi do promjene
elektrinog otpora. Mjerenja deformacija, odnosno
izduenja, su stalno prisutna u inenjerskoj praksi, posebno u irokom podruju
konstrukcijskih elemenata (elini, betonski i drugi), strojogradnji, mostogradnji, industriji
prevoznih sredstava (industrija automobila, eljeznikih vagona), procesnoj industriji itd.

114. Fizikalni princip rada mjerne trake.

Mjernu traku ini tanka ica koja je savijena nekoliko puta i zaljepljena kvalitetnim
ljepilom na nosei elemenat, koji moe biti od sintetike mase, metalne folije, papira, itd.
Mjerna traka je naljepljena na konstrukciju tako da se deformacije konstrukcije prenose na

osjetljivi dio mjerne trake (slika 17.2). Princip mjerenja deformacija temelji se na osobini ice
da mjenja elektrini otpor proporcionalno promjeni duine. Deformacija konstrukcije prenosi
se na osjetljivi iani dio mjerne trake, pri emu se rad mjerne trake temelji na linearnom
odnosu izmeu promjene elektrinog otpora i mehanike dilatacije (izduenja).

115. Prikazati odnos izduenja i promjene elektrinog otpora.

R

L
CD 2

- specifini otpor ice

L duina ice
CD2 popreni presjek
Ako se provodnik optereti aksijalnom silom svaka veliina u predhodno navedenom izrazu
mjenja svoju veijednost to se moe u opem sluaju prikazati:

dR

CD 2 ( Ld dL) 2CD LdD

(CD 2 ) 2

Dijeljenjem izraza dobija se:

dR / R
dD / D d /
1 2

dL / L
dL / L dL / L

Odnosno

dR / R
dL / L

prestavlja reletivnu promjenu elektrinog otpora provodnika njegovim

relativnim izduenjem.

116. ta je faktor mjerne trake?

Faktor trake je funkcija dizajna mjerne trake, kao i legure koritene za izradu mree
mjerne trake, njene termo mehanike osobine, i u manjoj mjeri temperature mjerenja.

117. O emu ovisi koeficijent osjetljivost mjerne trake Kt?

Koeficjent osjetljivosti Kt ovisi o prvobitnom otporu R i izmjeni promjena otpora R.

118. Ako je deformacija = 1=1000D i E = 2,1 * 10^5 N/

((mm)^2) , koliko je naprezanje =?
E 2,1x105 x

1
210MPa
1000

119. Kako se kompenzira utjecaj toplinske deformacije pri

mjerenju?
Za kompenzaciju naprezanja uslijed savijanja i izvijanja ili za kompenzaciju toplotnih
dilatacija na elastini element se postavljaju etiri kompenzacione mjerne trake
dijametralno suprotno i spojene naizmjenino. Ovako se osigurava potpuna kompenzacija i
poveava osjetljivost pretvaraa.

120. Kakve postoje standardne mjerne trake?

Standardne mjerne trake:
A=1,4 20 mm (obino 10 mm),
B=1,4 10 mm (obino 5-6 mm),
C= 6 33 mm ( obino 20 25 mm),
D= 5- 15mm ( obino 10 mm)

121.

Koje su specijalne mjerne trake?

Specijalne mjerne trake se koriste kada se mjere izduenja preko granice razvlaenja, a mogu
se upotrijebiti samo jedanput, jer prelaze iz elastinog u plastino stanje. Specijalne mjerne
trake su:
a) Mjerna traka za velika izduenja,
b) elina traka za niske i poviene temperature,
c)

Temperaturno-samokompenzirajua mjerna traka,

d) Temperaturno vanjski kompenzirana mjerna traka,

e) Mjerna traka za visoke temperature sa termootporom,
f)

Membranska mjerna traka.

122.

Koji su uvjeti za izbor mjernih traka?

Uvjet za izbor mjerne trake je da se one primjenjuje za mjerenje manjih otpora. Osim toga
uvjet je da omoguava da se deformacije konstrukcije prenose na osjetljivi dio mjerne trake.
Standardne mjerne trake se mogu primjeniti kada se mjere izduenja maksimalno do 2%, jer
se do tada ponaaju elastino. Ako se mjere izduenja od 8% do 15% primjenjuju se
specijalne mjerne trake. Treba znati da dio strukture na kome se lijepe trake mora imati
linearnu karakteristiku.

123. Objasni oznaavanje mjerne trake koja ima oznaku: L Y

11 3/120.
Mjerna traka za eksperimentalnu analizu razliitih oblika.
L jednostruka traka,
Y serija (materijal trake poliamid/constantan),
1 vrsta i poloaj veze,
1 materijal na koji idu trake feritni elik,
3 dimenzija trake(A),
120 otpor R=120

124.

Koji je zadatak Vitsonovog mosta?

Zadatak Vitsonovog mosta jeste mjerenje promjene otpora pomou instrumenta koji je
konstruiran na osnovu Vitsonovog mosta, a koji se napaja jednosmjernom strujom.

125.

Prikaz i opis Vitsonovog mosta.

Vitsonov most je pogodan za mjerenje manjih veliina elektrinog otpora, ime je ispunjen
uvjet za primjenu u tehnici pomou mjernih traka. U granama mosta su otpori R 1, R2, R3 i R4,
gdje se u postupku mjerenja nalaze mjerne trake. Kada je mjernih traka manje od etiri, tada u
granama mosta gdje nema mjernih traka dolaze pasivni otpornici. Za sluaj uravnoteenog
Vitsonovog mosta otpori u granama mosta su podeeni tako da je napon U AC=0, te je protok
struje iAC=0, pa je:
R1R3=R2R4 ili

R 1=

R2 R 4
R3

Navedeni odnos koristi nultu metodu za mjerenje promjene otpora. Pri promjeni otpora
mjerne trake R1 za R1 nastae neuravnoteenje mosta. Za uravnoteenje mosta treba
promjeniti otpor R4 za R4. Prije optereenja most je bio u ravnotei tj.
R1R3=R2R4 odnosno

R1=

R2 R4
R3

Mjerenjem vrijednosti R4 i za poznati odnos R2/R3 odredi se vrijednost R1, odnosno

dilatacija na mjestu gdje je priljepljena mjerna traka.

UE napajanje mosta
UA izlazni napon
UA =0 uravnoteeni Vitsonov most
Rg otpor galvanometra

Vitsonov most

126. Kako se odreuje-registruje izlazni napon na

Vitsonovom mostu?
U opem sluaju optereenja odnos izlaznog napona i napona napajanja mosta glasi:
R
( 1+ R 2)(R3 + R 4)
U A R 1 R3 R 2 R 4
=

UE
Za sluaj: R1=R2=R3=R4

ili R1 : R2=R4 : R3 : (UA/UE) = 0

a i za uvjet da Ri<<Ri, to je sluaj sa mjernim trakama. Kada se zanemare lanovi vieg

reda , dobije se odnos:

U A 1 R1 R2 R3 R 4
=

U E 4 R1
R2
R3
R4

Odnosno:
U A=

U E K t ( 1 2+ 3 4 )
4

Gdje je:
-deformacija, R1...R4-otpornici (mjerne trake), UE-napajanje mosta, UA-izlazni napon mosta,
Kt faktor mjerne trake.

127. Kako se oituju stvarna izduenja (dilatacije)?

Stvarno izduenje (dilatacija) materijala se odredi prema izrazu :
'=

Ko
C
n k K t k

gdje su :
n broj aktivnih mjernih traka,
Kt faktor mjerne trake,
K0 faktor instrumenta,
Ck korektivni faktor zbog omskog otpora trake,
ak - korektivni faktor zbog duine provodnika,
e - oitana vrijednost deformacije ( e = Dl / l).

128. Kako se odredi stvarno naprezanje?

Naprezanje se odredi po izrazu :
=E ' =E

Ko
C
n k Kt k

Kod savremenih ureaja za tenzometrijska ispitivanja rezultat se direktno oitava na

raunalu, pa nema potrebe za ovim raunanjem.

129. ta je pretvara, kakav ima zadatak i na kome principu

radi?

Pretvara ili elastini element je prvi lan mjernog sistema koji prima mehaniko optereenje
i pretvara fizikalnu (mehaniku) veliinu u elektrinu. Na elastinom elementu pretvaraa se
lijepe mjerne trake koje preuzimaju dilatacije elastinog elementa i preko promjene
elektrinog otpora registruju elektrini signal. Osnovna karakteristika svakog mjernog
elementa, kao elastine strukture, sastoji se u tome da dio strukture na kome se lijepe trake
mora imati linearnu karakteristiku.

130. Koja je granica optereenja mjernog davaa?

Za vrijeme mjerenja optereenja elastini element treba biti u podruju elastinosti ( e)
kako ne bi pretrpio plastine deformacije jer bi tada bio neupotrebljiv, a dobiveni rezultati ne
bi odgovarali stvarnom stanju.

131. Kako dava prima i prenosi mjerenu veliinu?

Pretvara ili elastini element je prvi lan mjernog sistema koji prima mehaniko optereenje
i pretvara fizikalnu (mehaniku) veliinu u elektrinu. Na elastinom elementu pretvaraa se
lijepe mjerne trake koje preuzimaju dilatacije elastinog elementa i preko promjene
elektrinog otpora registruju elektrini signal. Osnovna karakteristika svakog mjernog
elementa, kao elastine strukture, sastoji se u tome da dio strukture na kome se lijepe trake
mora imati linearnu karakteristiku.

132. Preoptereenje i dozvoljeno optereenje pretvaraa.

Praksa pokazuje da je najvei broj pretvaraa oteen zbog preoptereenja. Obino se doputa
preoptereenje do 150% u odnosu na nominalno optereenje.

133. Prikazati emu pretvaraa i emu spajanja mjernih

traka.
Mjerna traka sa Wheatstonovim mostom se koristi za mjerenje el.otpora i to za dvije situacije:

za mjerenje apsolutnog iznosa otpora, poreenjem s poznatim otporom i

za mjerenje relativne promjene elektrinog otpora.

Slika 1.0. ema pretvaraa mjerne trake

Na slici 2.0 je prikazana ema spajanja mjerne trake. U takama 2 i 3 se spajaju grane za
napajanje mosta VS jednosmjernim ili naizmjeninim naponom. U takama 1 i 4 se skida
izlazni napon Vo koji predstavlja mjerni signal.

Slika 2.0. ema spajanja mjerne trake

Omoguava mjerenje promjene otpora u granicama 10-4 do 10-7 sa odlinom tanou. etiri
grane mosta se formiraju od otpornika R1 do R4

134. Koliko je naprezanje u elastinom elementu pretvaraa,

ako je modul elastinosti materijala E = 2,1 * 105 N/((mm) 2) ,
faktor mjerne trake Kt=2, Poissonov koeficijent v=0.35 i
izlazni signal koji se mjeri Ua/Ub=0.0015?
=

UA 2
E

Naprezanje u popre nom presjeku pretvara a
U E K t 1+
5

2 2,1 10
=0,0015
2 1 0,35 =233,33 MPS

135. Pri izraunavanju elestinog elementa to treba

usvojiti?
Pri izraunavanju elestinog elementa treba usvojiti slijedee:

Aktivne mjerne trake aplicirane na objekat ispitivanja ili mjerni pretvara,

Kompenzacione mjerne trake (pasivni elementi koji slue za kompenzaciju uticaja

temperature ili drugih efekata) i

Metalni (folijski) otpornici velike tanosti i stabilnosti.

Dopuna:
Treba usvojiti:
- oekivanu maksimalnu silu (F=Fmax),
- deformaciju u granicama e = (0,05, 0,1%), odnosno (0,0005 0,001),
- modul elastinosti i
- jednu od dimenzija elastinog elementa dv ili du ovisno o raspoloivom prostoru za
lokaciju pretvaraa.

136. Koje su dobre osobine elektrootpornih pretvaraa s

mjernim trakama?
Mjerne trake su jedan od najee koritenih mjernih pretvaraa.
Mjerna traka je kao otporniki pretvara jeftina, neznatne je krutosti i male duine. Moe se
koristiti za mjerenja statiki i dinamiki optereenih konstrukcija.

137. Prikazati strukturu mjernog sistema s opisom.

Slika. Struktura mjernog sistema

Dava (pretvara) je najosjetljiviji elemenat mjernog lanca. Pretvara pretvara mehaniku
veliinu u elektrini oblik.Preklopnik omoguava odabir odgovarajueg davaa. Pojaalo
slui za pojaavanje slabog elektrinog signala dobivenog od pretvaraa. Pojaalo moe da
ima mogunost podeavanja linearnosti i podeavanje nule (poetno stanje se odredi kao nulta
vrijednost). Izlazni signal iz pojaala moe biti struja ili napon srazmjeran mjerenoj
mehanikoj veliini i digitalni broj koji opisuje vrijednost mjerene veliine. Pretvara slui za
pretvaranje dobivenih veliina pogodnih za raunarsku obradu, i osnovne karakteristike
mjernog pretvaraa su : linearnost ulaza i izlaza idinamikih veliina koje se mjere.U
suvremenim mjernim sistemima raunar slui za prikaz i obradu mjerenih rezultata, a pisa
slui za ispis rezultata obrade.

138. Zadatak mjernog pojaala?

Pojaalo slui za pojaavanje slabog elektrinog signala dobivenog od pretvaraa.. Ima
mogunost podeavanja linearnosti i podeavanja nule.Izlazni signal iz pojaala moe biti
struja ili napon srazmjeran mjerenoj mehanikoj veliini i digitalni broj koi opisuje vrijednost
mjerene veliine.
IZVOR: Elastostatika, kolegica Sabina Muli odgovorila

139. Koje mogunosti ima pojaalo?

Pojaalo slui za pojaavanje slabog elektrinog signala dobivenog od pretvaraa.
Pojaalo moe da ima mogunost podeavanja linearnosti i podeavanje nule (poetno stanje
se odredi kao nulta vrijednost). Izlazni signal iz pojaala moe biti struja ili napon srazmjeran
mjerenoj mehanikoj veliini i digitalni broj koji opisuje vrijednost mjerene veliine.

140. Prikazati osnovne sluajeve optereenja (1/4; ; 1/1

most) sa skicom Vitstonovog mosta i MT-a.
1. Normalno naprezanje (jednoosno stanje naprezanja)
a) Veza 1/4 most
uzduno naprezanje:

 1= a = n=

F
AE

popreno naprezanje:
F
p = n =
AE
izlazni napon:
U
U
U
U K
F
U A = E K t ( 1 2 + 3 4 )= E K t n = E K t
= E t
4
4
4
AE
4E

Karakteristike povezivanja:
UA
- mjerni signal
proporcionalan je sili ili naprezanju,
-

kompenzacija temperature nije postignuta (to znai da uticaj temperature unosi greku
u mjerenje),
superponirano savijanje (ukoliko postoji) manifestira se kao greka mjerenja.

b) Veza u 2/4 most

1= 3= a= n=

F
AE

U A=

UE
U
U
U K
U K
K t ( 1 2 + 3 4 )= E K t ( n + n ) = E K t n =F E t = E t
4
4
2
2 AE
2E

Karakteristike povezivanja:
UA
- mjerni signal
dvostruko je vei nego u sluaju (a),
-

kompenzacija temperature nije postignuta (tj. uticaj temperature unosi greku

u mjerenje),
superponirano savijanje ne manifestira se kao greka jer se kompenzira.

c) Veza 1/2 most

1= a = n=

F
AE

2 = p= n=

F
AE

=0,3

U A=

UE
U
U
U
1,3U E K t
1,3 U E K t
F
K t ( 1 2 + 3 4 )= E K t ( n p )= E K t ( n + n ) = E K t ( 1+ )
=F
=
4
4
4
4
AE
4 AE
4E

Karakteristike povezivanja:
UA
- mjerni signal
za 30% je vei nego u sluaju (a),
-

kompenzira se utjecaj temperature,

superponirano savijanje (ukoliko postoji) manifestira se kao greka mjerenja.

d) Veza 1/1 most

 1= 3= a= n=

F
AE

2 = 4 = p = n=

F
AE

=0,3

U A=

UE
U
U
U
2,6 U E
F
K t ( 1 2 + 3 4 )= E K t ( n p+ n p ) = E K t ( n + n + n + n )= E K t ( 2+2 )
=F
4
4
4
4
AE
4 AE

Karakteristike povezivanja:
UA
- mjerni signal
je za faktor 2,6 vei nego u sluaju (a),
-

kompenzira se uticaj temperature,

superponirano savijanje (ukoliko postoji) se kompenzira.

2. Savijanje
a) Veza u 1/4 most

 1= z=

U A=

z
MB
=
, = z
E W B E zp

UE
U
U

U K
K t ( 1 2 + 3 4 )= E K t z = E K t z =M B E t
4
4
4
E
4W BE

Mjerni signal proporcionalan je veliini momenta ili naprezanja.

Kompenzacija uticaja temperature nije postignuta, odnosno uticaj temperature
unosi greke u mjerenje.
Superponirano normalno naprezanje (ukoliko postoji) manifestira se kao
greka u mjerenju.

b) Veza 1/2 most

1= z=

z
MB
=
, = z
E WBE 2


( z+ z)=
U A=

UE
K
2 t z

UE
U
K t ( 1 2 + 3 4 )= E K t
4
4

Karakteristike povezivanja:
UA
- mjerni signal
je dvostruko vei u odnosu na sluaj (a),
-

uticaj temperature je kompenziran,

superponirano normalno optereenje je kompenzirano.

c) Veza u 1/1 most

1= 3= z =
U A=

z MB
=
, = = z
E WBE 2 4

UE
U
K t ( 1 2 + 3 4 )= E K t ( z + z + z + z )=U E K t z
4
4

Karakteristike povezivanja:
UA
- mjerni signal
je etiri puta vei u odnosu na sluaj (a),
-

uticaj temperature je kompenziran,

superponirano normalno optereenje je kompenzirano.

3. Smicanje
Smicajna naprezanja ili kut smicanja nije mogue neposredno mjeriti putem mjernih
traka. Mjerljive su deformacije koje proistiu iz normalnih naprezanja. Normalna
naprezanja javljaju se i kod smicanja.
Maksimalne vrijednosti normalnih naprezanja javljaju se pod kutom 45 u odnosu na
pravac smicanja, pa vai sljedea relacija:

1
=G ; =2 45 ; 45 =
=
2G 2

Kod istog smicanja, naprezanja smicanja su glavna naprezanja, a pravci glavnih

naprezanja lee pod kutom od 45 na pravac smicanja:
=2 45 G

a) Veza u 1/4 most

U A=

UE
U
U
U

K t ( 1 2 + 3 4 )= E K t 45 = E K t = E K t
4
4
4
2 4
2G

Karakteristike povezivanja:
UA
- mjerni signal
proporcionalan je naprezanju smicanja ,
-

uticaj temperature nije kompenziran,

uticaji savijanja, kao posljedica djelovanja sila iz ostalih pravaca, kao i uticaji
normalnih naprezanja nisu kompenzirani.

b) Veza u 1/2 most

U A=

UE
U
U
U

K t ( 1 2 + 3 4 )= E K t ( 45 + 45 )= E K t = E K t
4
4
4
4
G

Karakteristike povezivanja:
UA
- mjerni signal
dvostruko je vei u odnosu na sluaj (a),
-

uticaj temperature je kompenziran,

uticaji savijanja, kao posljedica djelovanja sile iz ostalih pravaca, kao i uticaji
normalnih naprezanja su kompenzirani.

4. Torzija
U sluaju uvijanja, kao i u sluaju smicanja, vri se mjerenje dilatacije pod kutom 45, tj.
u pravcu glavnih naprezanja. Za taj sluaj vae slijedee relacije:
max =

MD

1
L
; = max ; 45 = max = ; = 45
Wt
G
2G 2
d

gdje je: L duina vratila, d prenik vratila,

- kut torzije

a) Veza u 1/2 most

U A=

UE
U
U
U

K t ( 1 2 + 3 4 )= E K t ( 45 + 45 )= E K t 45 = E K t max
4
4
2
2
2G

Karakteristike povezivanja:
- mjerni signal proporcionalan je maksimalnom smicajnom naprezanju, ili
- obrtnom momentu,
- uticaj temperature je kompenziran,
- uticaj superponiranih normalnih napona je kompenziran,
- uticaj savijanja u x i y pravcu je kompenziran.

b) Veza u 1/1 most

U A=

UE
U
K t ( 1 2 + 3 4 )= E K t ( 45 + 45 + 45 + 45 )=U E K t 45
4
4

141. Navesti nekoliko primjera primjene mjernih traka.

Moemo razlikovati nekoliko vrsta mjernih traka:
-

Standardne mjerne trake

Specijalne mjerne trake
Mjerna traka za velika izduenja
elina mjerna traka za niske i poviene temperature
Temperaturno samokompenzirajua mjerna traka
Temperaturno vanjski kompenzirana mjerna traka
Mjerna traka za visoke temperature sa termootporom
Membranska mjerna traka

142. to se sve moe mjeriti mjernim trakama?

Mjernu traku ini tanka ica koja je savijena nekoliko puta i zaljepljena kvalitetnim
ljepilom na nosei elemenat, koji moe biti od sintetike mase, metalne folije, papira, itd.
Mjerna traka je naljepljena na konstrukciju tako da se deformacije konstrukcije prenose na
osjetljivi dio mjerne trake.
Mjerimo naprezanja i deformacije pri razliitim vrstama naprezanja kao to su : aksijalna sila,
savijanje, torzija,....
Analiza napona u konstrukcijama:
jednoosno naponsko stanje
ravansko naponsko stanje
zaostali naponi
termiki naponi
gradijenti napona
Konstrukcija mjernih pretvaraa za mjerenje mehanikih veliina:
mjerenje dilatacija i napona
mjerenje sile i mase
mjerenje obrtnog momenta
mjerenje pritiska
mjerenje pomjeranja
mjerenje vibracija
statika, kvazistatika i dinamika mjerenja na konstrukcijama

143. ta je kalibracija mjernih pretvaraa, kako se izvodi,

prikazati pravac linearnosti kalibracije?

144. Prikazati emu veze mjernih traka i mjernih pretvaraa.

145. Prikazati emu veze mjernih pretvaraa u mjerni sistem.

Meusobnim povezivanjem elemenata mjernog sistema dobije se osnovni mjerni lanac koji
ima:
- dava (pretvara),
- pojaalo i
- registrator.

U modernim sistemima, raunari se koriste za prikaz i obradu rezultata mjerenja:

146. ta se podrazumijeva pod polarizaciono.optikom

metodom mjerenja tzv. fotoelastina metoda?
Fotoelasticimetrija ili fotoelastinost, kako se ranije zvala, temelji se na osobini nekih
providnih materijala da mjenjaju optike osobine pri napregnutom stanju. Fotoelastinost se
javlja u optiki osjetljivim materijalima kada se svijetlosni zrak pri prolasku dijeli u dvije
zrake koje se kreu po pravcima glavnih naprezanja razliitim brzinama. Njihova brzina
ovisi od veliine glavnih naprezanja.
Dakle, optika promjenljivost u materijalu odraava se preko naprezanja i razlike
naprezanja, iji intenzitet ovisi o vrijednosti optereenja modela i geometrijskih
karakteristika konstrukcije.

147. ta su foto osjetljivi materijali i zato se koriste?

Fotoelasticimetrija ili fotoelastinost, kako se ranije zvala, temelji se na osobinama nekih
providnih materijala koje nazivamo fotoelestinim. Fotoelastini materijali imaju osobinu da
mjenjaju optike osobine pri napregnutom stanju. Fotoelastinost se javlja u optiki

osjetljivim materijalima kada se svijetlosni zrak pri prolasku dijeli u dvije zrake koje se kreu
po pravcima glavnih naprezanja razliitim brzinama. Njihova brzina ovisi od veliine glavnih
naprezanja.
Fotoelastino odreivanje naprezanja i deformacija najprije je primjenjeno pri rjeavanju
ravninskih problema (modeli konstrukcija izraeni od ploa fotoelastinog materijala), a
zatim prostornih modela. Fotoelastini materijali u napregnutom stanju postaju optiki
dvolomni (optiki anizotropni).

148. Metoda fotoelastine osjetljive obloge.

Direktno odreivanje naprezanja na povrini konstruktivnog elementa se postie ljepljenjem
tanke obloge modelskog materijala debljine 1,0 2,5 mm na povrinu ispitivane konstrukcije.
Ljepljenje modelskog materijala se izvodi obino dvokomponentnim ljepilom. Pri
deformiranju konstrukcije, deformacije se prenose na fotoelastinu oblogu, tako da su
deformacije povrine konstrukcije i fotoelastine obloge jednake, a moduli elastinosti i
Poasonovi koeficijenti razliiti, pa i naprezanja moraju biti razliita (slika 17.36).

Razlika glavnih naprezanja u oblizi iznosi:

Nf
1o 2o=
2h 0

gdje su:
- N red izohrome
f
fotoelastina konstanta
-

h0

debljina obloge(2

h0

radi dva prolaska kroz oblogu)

Da bi se izraunalo naprezanje u modelu, potrebno je uspostaviti odnos glavnih naprezanja u

m
m
modelu 1 i 2 i reda izohrome. Veza izmeu naprezanja u oblozi i deformacija je
odreen Hukovim zakonom:
E
1o = o 2 ( 1o+ o o2 )
1 o

 2o =

Eo
1

2
o

( 2o+ o o1 )

Deformacije obloge i modela su jednake, 1 = 1

Eo

1 =

2o =

2
o

Eo
1

2
o

i 2 = 2 , pa ih je mogue zamijeniti:

( 1 + o 2 )

( 2m+ o m1 )

Primjenimo li Hukov zakon na model:

1
m1 = ( m1 m m2 )
Em
m

2 =

1 m
m
( 2 m 2 )
Em

m
m
o
o
Uvrtavanjem izraza za 1 i 2 u izraze za naprezanja u oblozi, 1 i 2 , dobije se:

1o 2o=

Eo ( 1+ m )
Em ( 1+ o )

Nf

( 1m 2m )= 2 h
0

Iz datog izraza, nakon sreivanja dobijemo razliku glavnih naprezanja u modelu/konstrukciji:

Em ( 1+ o ) N f
1m 2m=
Eo ( 1+ m ) 2 h0
gdje su :
m , o
Em , Eo

- Poasonov koeficijent materijala konstrukcije i fotoelastine obloge,

- modul elastinosti materijala konstrukcije i materijala obloge.

149. Metoda zamrzavanja naprezanja

Fotoelasticimetrijsko ispitivanje 3D modela je sloenije nego kod jednoosnih i ravno
napregnutih stanja, jer se prostorno mjenjaju pravci glavnih naprezanja. Za ispitivanje
naprezanja i deformacija kod prostornih modela najvie se primjenjuje metoda zamrzavanja
naprezanja, zbog mogunosti primjene i umjerenih trokova ispitivanja. Ovu metodu je prvi
opisao Opel (Oppel) 1936. godine izvodei eksperimente na polimernim materijalima.

Nakon toga opa teorijska analiza ove metode dana je 1955. godine, ali primjena je radi
loih svojstava fotoelastinih materijala uslijedila tek u posljednjih trideset godina.
Osnovna karakteristika ove metode je to model izraen od fotoelastinog materijala nakon
obavljenog zagrijavanja na temperaturi 100 do 150 C, a zatim hlaenja zadrava
naprezanja i deformacije na sobnoj temperaturi i nakon prestanka optereenja. Na ovaj nain
su zamrznute deformacije pa se model moe razrezati na tanke ploe radi nastavka
ispitivanja kao dvodimenzionalnog modela. Proces zamrzavanja deformacija je
reverzibilan, pa ponovnim zagrijavanjem na kritinu temperaturu model dolazi u stanje koje
je postojalo prije optereenja. Dakle fotoelastini efekat nestaje.
Metoda zamrzavanja naprezanja primjenjuje se kod krunih ploa nejednake debljine,
kvadratnih ploa oslonjenih na rubove i izloenih na savijanje, kod strojnih elemenata
(osovine, zupanici, nosee strukture,), optereenih na pritisak, savijanje ili sloeno
optereenje, te kod elemenata gdje su koncentrisana dinamika optereenja.
Metoda zamrzavanja naprezanja
Model za odreivanje naprezanja metodom zamrzavanja naprezanja izradi se lijevanjem,
zatim se strojno obradi, uz uvjet da se obradom ne unesu toplinska naprezanja koja mogu da
potpuno promjene sliku izohroma, a potom zagrije na kritinu temperaturu i optereti nakon
ega se temperatura polagano snizuje do sobne temperature. Nakon rastereenja model se ree
u ploe debljine 1 do 3 mm za promatranje u polariskopu.
Kod simetrinih elemenata uz uvjet da je optereenje simetrino javljaju se maksimalna
naprezanja u ravnini simetrije.

Ispitivanjem simetrinog sloja u polariskopu dobija se slika izohroma sa dva glavna

1
2
naprezanja
i
te je:
1 2=
gdje je:

f '
N , N=0,1,2,3,
h

f '

fotoelastina konstanta naprezanja pri kritinoj temperaturi

h debljina sloja
N red izohrome.

Kako je tree naprezanje,

pravcem tog naprezanja, tada je

okomito na ravninu sloja, te je prolazak svijetlosti paralelan s

3 =0

, pa je red izohrome:

N=

h
( )
f ' 1 2

Pojedinana naprezanja se mogu odrediti pomou metode kosog osvjetljavanja.

Ploa se rotira u odnosu na polarizator, te tada dolazi do kosog prolaska svjetla kroz plou.
h
2
Debljina ploe sada je cos , a naprezanje ' 2= 2 cos , pa je red izohrome:
h
cos
h 1
2
N = ' ( 1 2 cos ) = '
2 cos
f
f cos

Razlika naprezanja:
1 2 cos2 =f '

gdje je

N
h
cos

- red izohrome dobiven kosim osvjetljevanjam.

Ako se uzmu odnosi:

h
h
1=n 1 i ' 2=n2
'
f
f
tada se izrazi za red izohroma pretvore u :

N=n1n2
te:
N=

n1n2 cos 2
cos

Nakon sreivanja dobijemo:

n1=

cos (N N cos )
h
1=
'
f
sin2

N cos N
h
n2= ' 2= 2
f
sin
Pomou Tardijeva ili Senarmonova kompenzatora dobiju se redovi izohroma, te se na osnovu
1
2
godnjih formula mogu dobiti i vrijednosti naprezanja
i
.

150. ta je fotoelastina konstanta foto osjetljivih

materijala?
Fotoelastina svojstva materijala se opisuju fotoelastinom konstantom. Ovaj
koeficijent se odreuje za specifinu talasnu duinu i temperaturu. Za izraunavanje razlike
glavnih naprezanja u modelu, potrebno je znati fotoelastinu konstantu modela.
Ova konstanta je povezana s brojem rubova koji e nastati po jedinici optereenja. Ona
odreuje osjetljivost fotoelastinog materijala. to je ona nia, to je materijal osjetljiviji.
Modul elastinosti E i fotoelastina konstanta se mjenjaju za isti materijal i vie od 10%
ovisno o izradi i termikoj obradi. Zbog toga, uz svaki fotoelastini model potrebno je ove
veliine badariti. Badarenje se provodi za dvodimenzionalni model na tapu optereenom
na zatezanje ili za trodimenzionalni model na gredi optereenoj na isto savijanje.
Fotoelastina konstanta f pokazuje koliko je osjetljiv materijal i ona treba da bude nia u
odnosu na modul elastinosti E (E / f ). to znai: to je vei odnos izmeu E / f materijal je

fotoelastino osjetljiviji, odnosno materijal je bolji. Odreivanje vrijednosti fotoelastine

konstante mora se vriti na probnom uzorku od istog materjiala od koga je napravljen model.

151. ta se izrauje od fotoosjetljivih materijala i kakva se

izvode ispitivanja?
Od fotoosjetljivih materijala izrauju se tanke modelske obloge 1-2,5mm koje se ljepe
dvokomponentinim ljepilom na povrinu ispitivane konstrukcije, a izvode se ispitivanja
deformacije i naprezanja na ravninskim i prostornim modelima.
Od fotoosjetljivih materijala se izrauju konstrukcijski modeli koji se izlau naprezanju tj
podvrgavaju razliitim silama te se ovi modeli promatraju u jednostavnim ili sloenim
polariskopima, zatim biljee rezultati promatranja u vidu slika.
Izgled slike ovisi o obliku modela, stanju naprezamja, optikim karakteristikama materijala
modela, temperaturi itd.
Polariskop je optiki ureaj u kome se izvodi analiza napregnutog modela uz odreivanje
stanja naprezanja.
Izokline su interferacijske linije dobivene povezivanjem tamnih taaka tj ove linije spajaju
mjesta na modelu u kojima pravci glavnih naprezanja ine jednak kut sa nekom izabranom
osom. Izokline su linije u ijim tokama su pravci glavnih naprezanja jednaki, odnosno to su
linje du kojih glavna naprezanja imaju stalan pravac.
Izohrome su linije du kojih su razlike glavnih naprezanja konstante, tj. 1 2 = const.
Red izohrome se odredi pomou fotografije, pri emu se prvo trai izohroma nultog reda od
koje se broje izohrome redom. Izohromu nultog reda najlake je odrediti ako na konturi
modela postoji ispupenje kao u toki A, gdje su i najmanja naprezanja (slika 17.33). Ako se
model posmatra u bijelom svjetlu, izohroma nultog reda se lako odredi, jer je nulta izohroma
uvijek crna dok su ostale izohrome bijele.

Slika 17.32 Primjer izokline

Slika 17.33 Odreivanje reda

izohrome na modelu

Pomou slike izoklina se odrede pravci glavnih naprezanja, dok se poznavanjem reda
izohrome odredi njihova razlika (1 - 2).

Izvode se ispitivanja:
-

ispitivanje ravninskog stanja naprezanja ( naprezanje po dubini ne mijenja)

metoda kosog osvjetljavanja (ova metoda se koristi za dopunske informacije o

izohromi kada su potrebne pojedinane vrijednosti glavnih naprezanja koje se ne
mogu odrediti na temelju fotoelastinih snimaka izohroma i izoklina,

metode ispitivanja prostornog stanja naprezanja:

metoda fotoelastine obloge, odreivanje naprezanja na povrini konstruktivnog

elementa

metoda zamrzavanja naprezanja, najvie se primjenjuje zbog mogunosti

primjene i umjerenih trokova ispitivanja.( Osnovna karakteristika ove metode je
to model izraen od fotoelastinog materijala nakon obavljenog zagrijavanja na
temperaturi 100 do 150 C, a zatim hlaenja zadrava naprezanja i deformacije na
sobnoj temperaturi i nakon prestanka optereenja. Na ovaj nain su zamrznute
deformacije pa se model moe razrezati na tanke ploe radi nastavka ispitivanja
kao dvodimenzionalnog modela. Proces zamrzavanja deformacija je
reverzibilan, pa ponovnim zagrijavanjem na kritinu temperaturu model dolazi u
stanje koje je postojalo prije optereenja.

metoda ugraenog refleksijskog sloja slino metodi fotoelastine obloge

metoda vieslojnog modela model se ovdje izrauje iz vie paralelnih slojeva od

kojih je svaki sloj iz drugog fotoelastinog materijala razliite fotoelastine
konstante

metoda rasprenog svjetla primarno svjetlo koje prolazi kroz prozirni koloidni
medij izaziva pri sudaru sa esticama medija sekundarno svjetlo, koje se raspruje
u svim pravcima ravnine okomite na primarnu zraku svjetla.

Str 306-321